决策树代码

系统管理员 2022-06-04 08:24 229阅读 0赞

#创建数据集
    def createDataSet():
        dataSet = [[1, 1, 'yes'],
                   [1, 1, 'yes'],
                   [1, 0, 'no'],
                   [0, 1, 'no'],
                   [0, 1, 'no']]
        labels = ['no surfacing', 'flippers']
        return dataSet, labels
    
    #测试的树数据
    def retrieveTree(i):
        listOfTrees = [{
       'no surfacing': {
       0: 'no', 1: {
       'flippers': {
       0: 'no', 1:'yes'}}}},
                        {
       'no surfacing': {
       0: 'no', 1: {
       'flippers': {
       0: {
       'head': {
       0: 'no', 1:'yes'}}, 1: 'no'}}}}]
        return listOfTrees[i]
    
    #使用决策树进行分类
    def classify(inputTree, featLabels, testVec):
        #inputTree为输入的树，featLabels为特征值标签，testVec为测试的特征值结果
        first = list(inputTree.keys())
        firstStr = first[0] #树的根节点
        secondDict = inputTree[firstStr] #子树
        featIndex = featLabels.index(firstStr) #返回特征值的索引
        for key in secondDict.keys():
            if testVec[featIndex] == key: #testVec[featIndex]为测试数据当前特征值的结果
                if type(secondDict[key]).__name__=="dict": #判断是否为字典，有没有子树
                    classLabel = classify(secondDict[key], featLabels, testVec)
                else:   classLabel = secondDict[key] #这个测试值得标签则树子节点的值
        return classLabel
    
    #测试[1,0]的标签为
    myDat, labels = createDataSet()
    myTree = retrieveTree(0)
    classLabel = classify(myTree, labels, [1, 0])
    print(classLabel)
    
    >>no

发表评论取消回复

表情：

评论列表（有 0 条评论，229人围观）

还没有评论，来说两句吧...

相关阅读

相关决策树代码

决策树是一种用于分类和回归的机器学习算法。它使用一种树状的模型来做出决策。每个内部节点表示一个特征或属性，每个叶节点表示一个类别或值。从根节点开始，决策树递归地对特征进行测试，

r囧r小猫/ 2024年03月25日 19:24/ 0 赞/ 138 阅读

相关决策树完整代码

文章目录 trees.py treePlotter.py trees.py !/usr/bin/python codi

分手后的思念是犯贱/ 2023年06月18日 02:54/ 0 赞/ 52 阅读

相关 Python决策树代码

说明这个是今天上课的代码，记录一下吧，以前都没有这种意识，学过就忘了。环境这里用的是anaconda，要用到这里面的代码，还需要下载额外的软件。当你下载好了

我会带着你远行/ 2023年05月31日 15:15/ 0 赞/ 40 阅读

相关决策树

决策树认识决策树决策树分类原理详解原理信息论基础信息適的定义决策树的划分依据之— —— 信息

爱被打了一巴掌/ 2022年12月29日 04:46/ 0 赞/ 122 阅读

相关决策树

[https://www.cnblogs.com/lovephysics/p/7231294.html][https_www.cnblogs.com_lovephysics_p

今天药忘吃喽~/ 2022年12月20日 02:22/ 0 赞/ 112 阅读

相关决策树代码

创建数据集 def createDataSet(): dataSet = [[1, 1, 'yes'],

系统管理员/ 2022年06月04日 08:24/ 0 赞/ 230 阅读

相关决策树

决策树是基于树结构来进行决策，这恰是人类在面临决策问题时一种很自然的处理机制。例如，我们要对“这是好瓜吗？”这样的问题进行决策时，通常会进行一系列的判断或“子决策”：我们先看“

旧城等待，/ 2022年05月25日 05:39/ 0 赞/ 452 阅读

相关决策树

决策树声明本文是来自网络文档和书本(周老师)的结合。概述决策树(Decision Tree）是在已知各种情况发生概率的[基础][Link 1]上，通

青旅半醒/ 2022年01月30日 06:49/ 0 赞/ 594 阅读

相关决策树

决策树对实例进行分类的树形结构，由节点和有向边组成。其实很像平时画的流程图。学习决策树之前要搞懂几个概念：熵：表示随机变量不确定性的度量，定义：H（p）=-![1409

冷不防/ 2021年09月30日 04:16/ 0 赞/ 604 阅读

相关决策树

熵的定义 ![5057999-5702853710d12e87.png][] 计算给定数据集的熵 def calcShannonEnt(dataSet):

客官°小女子只卖身不卖艺/ 2021年09月15日 06:34/ 0 赞/ 581 阅读