決策樹是一種樹狀結(jié)構(gòu)，它的每一個葉節(jié)點對應(yīng)著一個分類，非葉節(jié)點對應(yīng)著在某個屬性上的劃分，根據(jù)樣本在該屬性上的不同取值將其劃分成若干個子集。對于非純的葉節(jié)點，多數(shù)類的標(biāo)號給出到達(dá)這個節(jié)點的樣本所屬的類。構(gòu)造決策樹的核心問題是在每一步如何選擇適當(dāng)?shù)膶傩詫颖咀霾鸱帧σ粋€分類問題，從已知類標(biāo)記的訓(xùn)練樣本中學(xué)習(xí)并構(gòu)造出決策樹是一個自上而下，分而治之的過程

決策樹方法在分類、預(yù)測、規(guī)則提取等領(lǐng)域有著廣泛應(yīng)用。機(jī)器學(xué)習(xí)研究者J.Ross Quinlan 提出了ID3算法以后，決策樹在機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘領(lǐng)域得到了極大的發(fā)展，之后又提出了C4.5,成為了新的監(jiān)督學(xué)習(xí)算法。另外還有CART分類算法，值得一提的是ID3和CART孫法都是采用類似的方法從訓(xùn)練樣本中學(xué)習(xí)決策樹。

接下來簡單敘述一下這幾個算法：

ID3算法：

其核心是在決策樹的各級節(jié)點上，使用信息增益方法作為屬性的選擇標(biāo)準(zhǔn)，來幫助確定生成每個節(jié)點所應(yīng)采用的合適屬性。

C4.5算法：

C4.5決策生成算法相對于ID3算法的重要改進(jìn)是使用信息增益率來選擇節(jié)點屬性。C4.5算法可以克服ID3算法存在的不足：ID3適用于離散的描述屬性，而C4.5算法即能夠處理離散的描述屬性，也可以處理連續(xù)的描述屬性

CART算法：

CART決策樹是一種十分有效的非參數(shù)分類和回歸方法，通過構(gòu)建樹、修建樹、評估樹來構(gòu)建一個二叉樹。當(dāng)終結(jié)點是連續(xù)變量時，該樹為回歸樹；當(dāng)終結(jié)點是分類變量，該樹為分類樹。

本文主要介紹一下ID3算法。

ID3算法的簡介以及原理：

ID3算法給予信息熵來選擇最佳測試屬性。它選擇當(dāng)前樣本集中具有最大信息增益值的屬性作為測試屬性；樣本集的劃分則依據(jù)測試屬性的取值進(jìn)行，測試屬性有多少不同取值就將樣本集劃分為多少子樣本集，同時決策樹上相應(yīng)于該樣本集的節(jié)點長出新的葉子節(jié)點。

根據(jù)信息論理論，采用劃分樣本集的不確定性作為衡量劃分好壞的標(biāo)準(zhǔn)，用信息增益值度量不確定性：信息增益值越大，不確定性越小，因此，在每個非葉節(jié)點選擇信息增益最大的屬性作為測試屬性，這樣可以得到當(dāng)前情況下最純的拆分，從而得到較小的決策樹。

公式如圖

顯然E(A)越小，Gain(A)的值越大，說明測試屬性A對于分類提供的信息越大，選擇A之后對分類的不確定程度越小。

ID3的算法具體實現(xiàn)步驟如下：

1，對當(dāng)前樣本集合，計算所有屬性的信息增益

2，選擇信息增益最大的屬性作為測試屬性，把測試屬性取值相同的樣本劃分到同一個子樣本集；

3，若子樣本集的類別屬性只含有單個屬性，則分支為葉子結(jié)點，判斷其屬性值并標(biāo)上相應(yīng)的符號，然后返回調(diào)用出；否則對子樣本集遞歸調(diào)用本算法。

廢話不多說，直接貼代碼為證：

#-*- coding: utf-8 -*-

import pandasas pd

#參數(shù)初始化

inputfile ='path'

data = pd.read_excel(inputfile, index_col =u'序號')#導(dǎo)入數(shù)據(jù)

#數(shù)據(jù)如果是類別標(biāo)簽，需要轉(zhuǎn)化為數(shù)據(jù)

#用1和-1分別代表各自標(biāo)簽

data[data ==u'標(biāo)簽A'] =1

data[data ==u'標(biāo)簽B'] =1

data[data ==u'標(biāo)簽B'] =1

data[data !=1] = -1

x = data.iloc[:,:3].as_matrix().astype(int)

y = data.iloc[:,3].as_matrix().astype(int)

from sklearn.treeimport DecisionTreeClassifieras DTC

dtc = DTC(criterion='entropy')#建立決策樹模型，

dtc.fit(x, y)#訓(xùn)練模型

#導(dǎo)入相關(guān)函數(shù)，可視化決策樹

from sklearn.treeimport export_graphviz

x = pd.DataFrame(x)

from sklearn.externals.siximport StringIO

x = pd.DataFrame(x)

with open("tree.dot", 'w')as f:

f = export_graphviz(dtc, feature_names = x.columns, out_file = f)

總結(jié)

以上是生活随笔為你收集整理的python决策树分类预测_数据分类预测之python决策树的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。