1 from matplotlib.font_manager import FontProperties 2 import matplotlib.pyplot as plt 3 from math import log 4 import operator 5 """ 6 函數說明:創建測試數據集 7 Parameters: 8 無 9 Returns: 10 dataSet - 數據集 11 labels - 分類屬性 12 """ 13 def createDataSet(): 14 dataSet = [[0, 0, 0, 0, 'no'], #數據集 15 [0, 0, 0, 1, 'no'], 16 [0, 1, 0, 1, 'yes'], 17 [0, 1, 1, 0, 'yes'], 18 [0, 0, 0, 0, 'no'], 19 [1, 0, 0, 0, 'no'], 20 [1, 0, 0, 1, 'no'], 21 [1, 1, 1, 1, 'yes'], 22 [1, 0, 1, 2, 'yes'], 23 [1, 0, 1, 2, 'yes'], 24 [2, 0, 1, 2, 'yes'], 25 [2, 0, 1, 1, 'yes'], 26 [2, 1, 0, 1, 'yes'], 27 [2, 1, 0, 2, 'yes'], 28 [2, 0, 0, 0, 'no']] 29 labels = ['年齡', '有工作', '有自己的房子', '信貸情況'] #分類屬性 30 return dataSet, labels #返回數據集和分類屬性 31 """ 32 函數說明:計算給定數據集的經驗熵(香農熵) 33 Parameters: 34 dataSet - 數據集 35 Returns: 36 shannonEnt - 經驗熵(香農熵) 37 """ 38 def calcShannonEnt(dataSet): 39 numEntires = len(dataSet) #返回數據集的行數 40 labelCounts = {} #保存每個標簽(Label)出現次數的字典 41 for featVec in dataSet: #對每組特征向量進行統計 42 currentLabel = featVec[-1] #提取標簽(Label)信息 43 if currentLabel not in labelCounts.keys(): #如果標簽(Label)沒有放入統計次數的字典,添加進去 44 labelCounts[currentLabel] = 0 45 labelCounts[currentLabel] += 1 #Label計數 46 shannonEnt = 0.0 #經驗熵(香農熵) 47 for key in labelCounts: #計算香農熵 48 prob = float(labelCounts[key]) / numEntires #選擇該標簽(Label)的概率 49 shannonEnt -= prob * log(prob, 2) #利用公式計算 50 return shannonEnt #返回經驗熵(香農熵) 51 """ 52 函數說明:創建測試數據集 53 Parameters: 54 無 55 Returns: 56 dataSet - 數據集 57 labels - 分類屬性 58 """ 59 def createDataSet(): 60 dataSet = [[0, 0, 0, 0, 'no'], #數據集 61 [0, 0, 0, 1, 'no'], 62 [0, 1, 0, 1, 'yes'], 63 [0, 1, 1, 0, 'yes'], 64 [0, 0, 0, 0, 'no'], 65 [1, 0, 0, 0, 'no'], 66 [1, 0, 0, 1, 'no'], 67 [1, 1, 1, 1, 'yes'], 68 [1, 0, 1, 2, 'yes'], 69 [1, 0, 1, 2, 'yes'], 70 [2, 0, 1, 2, 'yes'], 71 [2, 0, 1, 1, 'yes'], 72 [2, 1, 0, 1, 'yes'], 73 [2, 1, 0, 2, 'yes'], 74 [2, 0, 0, 0, 'no']] 75 labels = ['年齡', '有工作', '有自己的房子', '信貸情況'] #分類屬性 76 return dataSet, labels #返回數據集和分類屬性 77 """ 78 函數說明:按照給定特征划分數據集 79 Parameters: 80 dataSet - 待划分的數據集 81 axis - 划分數據集的特征 82 value - 需要返回的特征的值 83 Returns: 84 無 85 """ 86 def splitDataSet(dataSet, axis, value): 87 retDataSet = [] #創建返回的數據集列表 88 for featVec in dataSet: #遍歷數據集 89 if featVec[axis] == value: 90 reducedFeatVec = featVec[:axis] #去掉axis特征 91 reducedFeatVec.extend(featVec[axis+1:]) #將符合條件的添加到返回的數據集 92 retDataSet.append(reducedFeatVec) 93 return retDataSet #返回划分后的數據集 94 """ 95 函數說明:選擇最優特征 96 Parameters: 97 dataSet - 數據集 98 Returns: 99 bestFeature - 信息增益最大的(最優)特征的索引值 100 """ 101 def chooseBestFeatureToSplit(dataSet): 102 numFeatures = len(dataSet[0]) - 1 #特征數量 103 baseEntropy = calcShannonEnt(dataSet) #計算數據集的香農熵 104 bestInfoGain = 0.0 #信息增益 105 bestFeature = -1 #最優特征的索引值 106 for i in range(numFeatures): #遍歷所有特征 107 #獲取dataSet的第i個所有特征 108 featList = [example[i] for example in dataSet] 109 uniqueVals = set(featList) #創建set集合{},元素不可重復 110 newEntropy = 0.0 #經驗條件熵 111 for value in uniqueVals: #計算信息增益 112 subDataSet = splitDataSet(dataSet, i, value) #subDataSet划分后的子集 113 prob = len(subDataSet) / float(len(dataSet)) #計算子集的概率 114 newEntropy += prob * calcShannonEnt(subDataSet) #根據公式計算經驗條件熵 115 infoGain = baseEntropy - newEntropy #信息增益 116 print("第%d個特征的增益為%.3f" % (i, infoGain)) #打印每個特征的信息增益 117 if (infoGain > bestInfoGain): #計算信息增益 118 bestInfoGain = infoGain #更新信息增益，找到最大的信息增益 119 bestFeature = i #記錄信息增益最大的特征的索引值 120 return bestFeature #返回信息增益最大的特征的索引值 121 122 # if __name__ == '__main__': 123 # dataSet, features = createDataSet() 124 # print("最優特征索引值:" + str(chooseBestFeatureToSplit(dataSet))) 125 126 # if __name__ == '__main__': 127 # dataSet, features = createDataSet() 128 # print(dataSet) 129 # print(calcShannonEnt(dataSet)) 130 131 #遞歸構建決策樹 132 """ 133 函數說明:統計classList中出現此處最多的元素(類標簽) 134 Parameters: 135 classList - 類標簽列表 136 Returns: 137 sortedClassCount[0][0] - 出現此處最多的元素(類標簽) 138 """ 139 def majorityCnt(classList): 140 classCount = {} 141 for vote in classList: #統計classList中每個元素出現的次數 142 if vote not in classCount.keys():classCount[vote] = 0 143 classCount[vote] += 1 144 sortedClassCount = sorted(classCount.items(), key = operator.itemgetter(1), reverse = True) #根據字典的值降序排序 145 return sortedClassCount[0][0] #返回classList中出現次數最多的元素 146 """ 147 函數說明:創建決策樹 148 Parameters: 149 dataSet - 訓練數據集 150 labels - 分類屬性標簽 151 featLabels - 存儲選擇的最優特征標簽 152 Returns: 153 myTree - 決策樹 154 """ 155 def createTree(dataSet, labels, featLabels): 156 classList = [example[-1] for example in dataSet] #取分類標簽(是否放貸:yes or no) 157 if classList.count(classList[0]) == len(classList): #如果類別完全相同則停止繼續划分 158 return classList[0] 159 if len(dataSet[0]) == 1: #遍歷完所有特征時返回出現次數最多的類標簽 160 return majorityCnt(classList) 161 bestFeat = chooseBestFeatureToSplit(dataSet) #選擇最優特征 162 bestFeatLabel = labels[bestFeat] #最優特征的標簽 163 featLabels.append(bestFeatLabel) 164 myTree = {bestFeatLabel:{}} #根據最優特征的標簽生成樹 165 del(labels[bestFeat]) #刪除已經使用特征標簽 166 featValues = [example[bestFeat] for example in dataSet] #得到訓練集中所有最優特征的屬性值 167 uniqueVals = set(featValues) #去掉重復的屬性值 168 for value in uniqueVals: #遍歷特征，創建決策樹。 169 myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet, bestFeat, value), labels, featLabels) 170 return myTree 171 172 # if __name__ == '__main__': 173 # dataSet, labels = createDataSet() 174 # featLabels = [] 175 # myTree = createTree(dataSet, labels, featLabels) 176 # print(myTree) 177 178 #決策樹可視化 179 """ 180 函數說明:獲取決策樹葉子結點的數目 181 Parameters: 182 myTree - 決策樹 183 Returns: 184 numLeafs - 決策樹的葉子結點的數目 185 """ 186 def getNumLeafs(myTree): 187 numLeafs = 0 #初始化葉子 188 firstStr = next(iter(myTree)) #python3中myTree.keys()返回的是dict_keys,不在是list,所以不能使用myTree.keys()[0]的方法獲取結點屬性，可以使用list(myTree.keys())[0] 189 secondDict = myTree[firstStr] #獲取下一組字典 190 for key in secondDict.keys(): 191 if type(secondDict[key]).__name__=='dict': #測試該結點是否為字典，如果不是字典，代表此結點為葉子結點 192 numLeafs += getNumLeafs(secondDict[key]) 193 else: numLeafs +=1 194 return numLeafs 195 """ 196 函數說明:獲取決策樹的層數 197 Parameters: 198 myTree - 決策樹 199 Returns: 200 maxDepth - 決策樹的層數 201 """ 202 def getTreeDepth(myTree): 203 maxDepth = 0 #初始化決策樹深度 204 firstStr = next(iter(myTree)) #python3中myTree.keys()返回的是dict_keys,不在是list,所以不能使用myTree.keys()[0]的方法獲取結點屬性，可以使用list(myTree.keys())[0] 205 secondDict = myTree[firstStr] #獲取下一個字典 206 for key in secondDict.keys(): 207 if type(secondDict[key]).__name__=='dict': #測試該結點是否為字典，如果不是字典，代表此結點為葉子結點 208 thisDepth = 1 + getTreeDepth(secondDict[key]) 209 else: thisDepth = 1 210 if thisDepth > maxDepth: maxDepth = thisDepth #更新層數 211 return maxDepth 212 """ 213 函數說明:繪制結點 214 Parameters: 215 nodeTxt - 結點名 216 centerPt - 文本位置 217 parentPt - 標注的箭頭位置 218 nodeType - 結點格式 219 Returns: 220 無 221 """ 222 def plotNode(nodeTxt, centerPt, parentPt, nodeType): 223 arrow_args = dict(arrowstyle="<-") #定義箭頭格式 224 font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14) #設置中文字體 225 createPlot.ax1.annotate(nodeTxt, xy=parentPt, xycoords='axes fraction', #繪制結點 226 xytext=centerPt, textcoords='axes fraction', 227 va="center", ha="center", bbox=nodeType, arrowprops=arrow_args, FontProperties=font) 228 """ 229 函數說明:標注有向邊屬性值 230 Parameters: 231 cntrPt、parentPt - 用於計算標注位置 232 txtString - 標注的內容 233 Returns: 234 無 235 """ 236 def plotMidText(cntrPt, parentPt, txtString): 237 xMid = (parentPt[0]-cntrPt[0])/2.0 + cntrPt[0] #計算標注位置 238 yMid = (parentPt[1]-cntrPt[1])/2.0 + cntrPt[1] 239 createPlot.ax1.text(xMid, yMid, txtString, va="center", ha="center", rotation=30) 240 """ 241 函數說明:繪制決策樹 242 Parameters: 243 myTree - 決策樹(字典) 244 parentPt - 標注的內容 245 nodeTxt - 結點名 246 Returns: 247 無 248 """ 249 def plotTree(myTree, parentPt, nodeTxt): 250 decisionNode = dict(boxstyle="sawtooth", fc="0.8") #設置結點格式 251 leafNode = dict(boxstyle="round4", fc="0.8") #設置葉結點格式 252 numLeafs = getNumLeafs(myTree) #獲取決策樹葉結點數目，決定了樹的寬度 253 depth = getTreeDepth(myTree) #獲取決策樹層數 254 firstStr = next(iter(myTree)) #下個字典 255 cntrPt = (plotTree.xOff + (1.0 + float(numLeafs))/2.0/plotTree.totalW, plotTree.yOff) #中心位置 256 plotMidText(cntrPt, parentPt, nodeTxt) #標注有向邊屬性值 257 plotNode(firstStr, cntrPt, parentPt, decisionNode) #繪制結點 258 secondDict = myTree[firstStr] #下一個字典，也就是繼續繪制子結點 259 plotTree.yOff = plotTree.yOff - 1.0/plotTree.totalD #y偏移 260 for key in secondDict.keys(): 261 if type(secondDict[key]).__name__=='dict': #測試該結點是否為字典，如果不是字典，代表此結點為葉子結點 262 plotTree(secondDict[key],cntrPt,str(key)) #不是葉結點，遞歸調用繼續繪制 263 else: #如果是葉結點，繪制葉結點，並標注有向邊屬性值 264 plotTree.xOff = plotTree.xOff + 1.0/plotTree.totalW 265 plotNode(secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode) 266 plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key)) 267 plotTree.yOff = plotTree.yOff + 1.0/plotTree.totalD 268 269 """ 270 函數說明:創建繪制面板 271 Parameters: 272 inTree - 決策樹(字典) 273 Returns: 274 無 275 """ 276 def createPlot(inTree): 277 fig = plt.figure(1, facecolor='white') #創建fig 278 fig.clf() #清空fig 279 axprops = dict(xticks=[], yticks=[]) 280 createPlot.ax1 = plt.subplot(111, frameon=False, **axprops) #去掉x、y軸 281 plotTree.totalW = float(getNumLeafs(inTree)) #獲取決策樹葉結點數目 282 plotTree.totalD = float(getTreeDepth(inTree)) #獲取決策樹層數 283 plotTree.xOff = -0.5/plotTree.totalW; plotTree.yOff = 1.0; #x偏移 284 plotTree(inTree, (0.5,1.0), '') #繪制決策樹 285 plt.show() #顯示繪制結果 286 287 # if __name__ == '__main__': 288 # dataSet, labels = createDataSet() 289 # featLabels = [] 290 # myTree = createTree(dataSet, labels, featLabels) 291 # print(myTree) 292 # createPlot(myTree) 293 294 #使用決策樹進行分類 295 """ 296 函數說明:使用決策樹分類 297 Parameters: 298 inputTree - 已經生成的決策樹 299 featLabels - 存儲選擇的最優特征標簽 300 testVec - 測試數據列表，順序對應最優特征標簽 301 Returns: 302 classLabel - 分類結果 303 """ 304 def classify(inputTree, featLabels, testVec): 305 firstStr = next(iter(inputTree)) #獲取決策樹結點 306 secondDict = inputTree[firstStr] #下一個字典 307 featIndex = featLabels.index(firstStr) 308 for key in secondDict.keys(): 309 if testVec[featIndex] == key: 310 if type(secondDict[key]).__name__ == 'dict': 311 classLabel = classify(secondDict[key], featLabels, testVec) 312 else: classLabel = secondDict[key] 313 return classLabel 314 315 if __name__ == '__main__': 316 dataSet, labels = createDataSet() 317 featLabels = [] 318 myTree = createTree(dataSet, labels, featLabels) 319 testVec = [0,1] #測試數據 320 result = classify(myTree, featLabels, testVec) 321 if result == 'yes': 322 print('放貸') 323 if result == 'no': 324 print('不放貸') 325 326 #決策樹的存儲 327 import pickle 328 """ 329 函數說明:存儲決策樹 330 Parameters: 331 inputTree - 已經生成的決策樹 332 filename - 決策樹的存儲文件名 333 Returns: 334 無 335 """ 336 def storeTree(inputTree, filename): 337 with open(filename, 'wb') as fw: 338 pickle.dump(inputTree, fw) 339 340 if __name__ == '__main__': 341 myTree = {'有自己的房子': {0: {'有工作': {0: 'no', 1: 'yes'}}, 1: 'yes'}} 342 storeTree(myTree, 'classifierStorage.txt') 343 """ 344 函數說明:讀取決策樹 345 Parameters: 346 filename - 決策樹的存儲文件名 347 Returns: 348 pickle.load(fr) - 決策樹字典 349 """ 350 def grabTree(filename): 351 fr = open(filename, 'rb') 352 return pickle.load(fr) 353 354 if __name__ == '__main__': 355 myTree = grabTree('classifierStorage.txt') 356 print(myTree) 357 if __name__ == '__main__': 358 fr = open('lenses.txt') 359 lenses = [inst.strip().split('\t') for inst in fr.readlines()] 360 print(lenses) 361 lensesLabels = ['age', 'prescript', 'astigmatic', 'tearRate'] 362 myTree_lenses = createTree(lenses, lensesLabels) 363 createPlot(myTree_lenses)
另一個版本代碼
1 from matplotlib.font_manager import FontProperties 2 import matplotlib.pyplot as plt 3 from math import log 4 import operator 5 import pickle 6 """ 7 函數說明:計算給定數據集的經驗熵(香農熵) 8 Parameters: 9 dataSet - 數據集 10 Returns: 11 shannonEnt - 經驗熵(香農熵) 12 13 函數說明:創建測試數據集 14 Parameters: 15 無 16 Returns: 17 dataSet - 數據集 18 labels - 分類屬性 19 """ 20 def createDataSet(): 21 dataSet = [[0, 0, 0, 0, 'no'], #數據集 22 [0, 0, 0, 1, 'no'], 23 [0, 1, 0, 1, 'yes'], 24 [0, 1, 1, 0, 'yes'], 25 [0, 0, 0, 0, 'no'], 26 [1, 0, 0, 0, 'no'], 27 [1, 0, 0, 1, 'no'], 28 [1, 1, 1, 1, 'yes'], 29 [1, 0, 1, 2, 'yes'], 30 [1, 0, 1, 2, 'yes'], 31 [2, 0, 1, 2, 'yes'], 32 [2, 0, 1, 1, 'yes'], 33 [2, 1, 0, 1, 'yes'], 34 [2, 1, 0, 2, 'yes'], 35 [2, 0, 0, 0, 'no']] 36 labels = ['年齡', '有工作', '有自己的房子', '信貸情況'] #分類屬性 37 return dataSet, labels #返回數據集和分類屬性 38 39 ''' 40 函數說明:按照給定特征划分數據集 41 Parameters: 42 dataSet - 待划分的數據集 43 axis - 划分數據集的特征 44 value - 需要返回的特征的值 45 ''' 46 def calcShannonEnt(dataSet): 47 numEntires = len(dataSet) #返回數據集的行數 48 labelCounts = {} #保存每個標簽(Label)出現次數的字典 49 for featVec in dataSet: #對每組特征向量進行統計 50 currentLabel = featVec[-1] #提取標簽(Label)信息 51 if currentLabel not in labelCounts.keys(): #如果標簽(Label)沒有放入統計次數的字典,添加進去 52 labelCounts[currentLabel] = 0 53 labelCounts[currentLabel] += 1 #Label計數 54 shannonEnt = 0.0 #經驗熵(香農熵) 55 for key in labelCounts: #計算香農熵 56 prob = float(labelCounts[key]) / numEntires #選擇該標簽(Label)的概率 57 shannonEnt -= prob * log(prob, 2) #利用公式計算 58 return shannonEnt #返回經驗熵(香農熵) 59 60 if __name__ == '__main__': 61 dataSet, features = createDataSet() 62 print(dataSet) 63 print(calcShannonEnt(dataSet)) 64 65 """ 66 函數說明:按照給定特征划分數據集 67 Parameters: 68 dataSet - 待划分的數據集 69 axis - 划分數據集的特征 70 value - 需要返回的特征的值 71 """ 72 def splitDataSet(dataSet, axis, value): 73 retDataSet = [] #創建返回的數據集列表 74 for featVec in dataSet: #遍歷數據集 75 if featVec[axis] == value: 76 reducedFeatVec = featVec[:axis] #去掉axis特征 77 reducedFeatVec.extend(featVec[axis+1:]) #將符合條件的添加到返回的數據集 78 retDataSet.append(reducedFeatVec) 79 return retDataSet #返回划分后的數據集 80 81 """ 82 函數說明:選擇最優特征 83 Parameters: 84 dataSet - 數據集 85 Returns: 86 bestFeature - 信息增益最大的(最優)特征的索引值 87 """ 88 def chooseBestFeatureToSplit(dataSet): 89 numFeatures = len(dataSet[0]) - 1 #特征數量 90 baseEntropy = calcShannonEnt(dataSet) #計算數據集的香農熵 91 bestInfoGain = 0.0 #信息增益 92 bestFeature = -1 #最優特征的索引值 93 for i in range(numFeatures): #遍歷所有特征 94 #獲取dataSet的第i個所有特征 95 featList = [example[i] for example in dataSet] 96 uniqueVals = set(featList) #創建set集合{},元素不可重復 97 newEntropy = 0.0 #經驗條件熵 98 for value in uniqueVals: #計算信息增益 99 subDataSet = splitDataSet(dataSet, i, value) #subDataSet划分后的子集 100 prob = len(subDataSet) / float(len(dataSet)) #計算子集的概率 101 newEntropy += prob * calcShannonEnt(subDataSet) #根據公式計算經驗條件熵 102 infoGain = baseEntropy - newEntropy #信息增益 103 print("第%d個特征的增益為%.3f" % (i, infoGain)) #打印每個特征的信息增益 104 if (infoGain > bestInfoGain): #計算信息增益 105 bestInfoGain = infoGain #更新信息增益，找到最大的信息增益 106 bestFeature = i #記錄信息增益最大的特征的索引值 107 return bestFeature #返回信息增益最大的特征的索引值 108 109 ''' 110 函數說明:統計classList中出現此處最多的元素(類標簽) 111 112 Parameters: 113 classList - 類標簽列表 114 Returns: 115 sortedClassCount[0][0] - 出現此處最多的元素(類標簽) 116 ''' 117 def majorityCnt(classList): 118 classCount = {} 119 for vote in classList: #統計classList中每個元素出現的次數 120 if vote not in classCount.keys(): 121 classCount[vote] = 0 122 classCount[vote] += 1 123 sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True) #根據字典的值降序排序 124 return sortedClassCount[0][0] #返回classList中出現次數最多的元素 125 126 ''' 127 函數說明:創建決策樹 128 Parameters: 129 dataSet - 訓練數據集 130 labels - 分類屬性標簽 131 featLabels - 存儲選擇的最優特征標簽 132 Returns: 133 myTree - 決策樹 134 ''' 135 def createTree(dataSet, labels, featLabels): 136 classList = [example[-1] for example in dataSet] #取分類標簽(是否放貸:yes or no) 137 if classList.count(classList[0]) == len(classList): #如果類別完全相同則停止繼續划分 138 return classList[0] 139 if len(dataSet[0]) == 1: #遍歷完所有特征時返回出現次數最多的類標簽 140 return majorityCnt(classList) 141 bestFeat = chooseBestFeatureToSplit(dataSet) #選擇最優特征 142 bestFeatLabel = labels[bestFeat] #最優特征的標簽 143 featLabels.append(bestFeatLabel) 144 myTree = {bestFeatLabel: {}} #根據最優特征的標簽生成樹 145 del(labels[bestFeat]) #刪除已經使用特征標簽 146 featValues = [example[bestFeat] for example in dataSet] #得到訓練集中所有最優特征的屬性值 147 uniqueVals = set(featValues) #去掉重復的屬性值 148 for value in uniqueVals: #遍歷特征，創建決策樹。 149 myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet, bestFeat, value), labels, featLabels) 150 return myTree 151 152 ''' 153 getNumLeafs：獲取決策樹葉子結點的數目 154 getTreeDepth：獲取決策樹的層數 155 plotNode：繪制結點 156 plotMidText：標注有向邊屬性值 157 plotTree：繪制決策樹 158 createPlot：創建繪制面板 159 160 函數說明:獲取決策樹葉子結點的數目 161 Parameters: 162 myTree - 決策樹 163 Returns: 164 numLeafs - 決策樹的葉子結點的數目 165 ''' 166 def getNumLeafs(myTree): 167 numLeafs = 0 #初始化葉子 168 firstStr = next(iter(myTree)) #python3中myTree.keys()返回的是dict_keys,不在是list,所以不能使用myTree.keys()[0]的方法獲取結點屬性，可以使用list(myTree.keys())[0] 169 secondDict = myTree[firstStr] #獲取下一組字典 170 for key in secondDict.keys(): 171 if type(secondDict[key]).__name__=='dict': #測試該結點是否為字典，如果不是字典，代表此結點為葉子結點 172 numLeafs += getNumLeafs(secondDict[key]) 173 else: numLeafs +=1 174 return numLeafs 175 176 ''' 177 函數說明:獲取決策樹的層數 178 Parameters: 179 myTree - 決策樹 180 Returns: 181 maxDepth - 決策樹的層數 182 ''' 183 def getTreeDepth(myTree): 184 maxDepth = 0 #初始化決策樹深度 185 firstStr = next(iter(myTree)) #python3中myTree.keys()返回的是dict_keys,不在是list,所以不能使用myTree.keys()[0]的方法獲取結點屬性，可以使用list(myTree.keys())[0] 186 secondDict = myTree[firstStr] #獲取下一個字典 187 for key in secondDict.keys(): 188 if type(secondDict[key]).__name__=='dict': #測試該結點是否為字典，如果不是字典，代表此結點為葉子結點 189 thisDepth = 1 + getTreeDepth(secondDict[key]) 190 else: thisDepth = 1 191 if thisDepth > maxDepth: maxDepth = thisDepth #更新層數 192 return maxDepth 193 194 ''' 195 函數說明:繪制結點 196 Parameters: 197 nodeTxt - 結點名 198 centerPt - 文本位置 199 parentPt - 標注的箭頭位置 200 nodeType - 結點格式 201 Returns: 202 無 203 ''' 204 def plotNode(nodeTxt, centerPt, parentPt, nodeType): 205 arrow_args = dict(arrowstyle="<-") #定義箭頭格式 206 font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14) #設置中文字體 207 createPlot.ax1.annotate(nodeTxt, xy=parentPt, xycoords='axes fraction', #繪制結點 208 xytext=centerPt, textcoords='axes fraction', 209 va="center", ha="center", bbox=nodeType, arrowprops=arrow_args, FontProperties=font) 210 211 ''' 212 函數說明:標注有向邊屬性值 213 Parameters: 214 cntrPt、parentPt - 用於計算標注位置 215 txtString - 標注的內容 216 Returns: 217 無 218 ''' 219 def plotMidText(cntrPt, parentPt, txtString): 220 xMid = (parentPt[0]-cntrPt[0])/2.0 + cntrPt[0] #計算標注位置 221 yMid = (parentPt[1]-cntrPt[1])/2.0 + cntrPt[1] 222 createPlot.ax1.text(xMid, yMid, txtString, va="center", ha="center", rotation=30) 223 224 ''' 225 函數說明:繪制決策樹 226 Parameters: 227 myTree - 決策樹(字典) 228 parentPt - 標注的內容 229 nodeTxt - 結點名 230 Returns: 231 無 232 ''' 233 def plotTree(myTree, parentPt, nodeTxt): 234 decisionNode = dict(boxstyle="sawtooth", fc="0.8") #設置結點格式 235 leafNode = dict(boxstyle="round4", fc="0.8") #設置葉結點格式 236 numLeafs = getNumLeafs(myTree) #獲取決策樹葉結點數目，決定了樹的寬度 237 depth = getTreeDepth(myTree) #獲取決策樹層數 238 firstStr = next(iter(myTree)) #下個字典 239 cntrPt = (plotTree.xOff + (1.0 + float(numLeafs))/2.0/plotTree.totalW, plotTree.yOff) #中心位置 240 plotMidText(cntrPt, parentPt, nodeTxt) #標注有向邊屬性值 241 plotNode(firstStr, cntrPt, parentPt, decisionNode) #繪制結點 242 secondDict = myTree[firstStr] #下一個字典，也就是繼續繪制子結點 243 plotTree.yOff = plotTree.yOff - 1.0/plotTree.totalD #y偏移 244 for key in secondDict.keys(): 245 if type(secondDict[key]).__name__=='dict': #測試該結點是否為字典，如果不是字典，代表此結點為葉子結點 246 plotTree(secondDict[key],cntrPt,str(key)) #不是葉結點，遞歸調用繼續繪制 247 else: #如果是葉結點，繪制葉結點，並標注有向邊屬性值 248 plotTree.xOff = plotTree.xOff + 1.0/plotTree.totalW 249 plotNode(secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode) 250 plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key)) 251 plotTree.yOff = plotTree.yOff + 1.0/plotTree.totalD 252 253 ''' 254 函數說明:創建繪制面板 255 Parameters: 256 inTree - 決策樹(字典) 257 Returns: 258 無 259 ''' 260 def createPlot(inTree): 261 fig = plt.figure(1, facecolor='white') #創建fig 262 fig.clf() #清空fig 263 axprops = dict(xticks=[], yticks=[]) 264 createPlot.ax1 = plt.subplot(111, frameon=False, **axprops) #去掉x、y軸 265 plotTree.totalW = float(getNumLeafs(inTree)) #獲取決策樹葉結點數目 266 plotTree.totalD = float(getTreeDepth(inTree)) #獲取決策樹層數 267 plotTree.xOff = -0.5/plotTree.totalW; plotTree.yOff = 1.0; #x偏移 268 plotTree(inTree, (0.5,1.0), '') #繪制決策樹 269 plt.show() #顯示繪制結果 270 271 def classify(inputTree, featLabels, testVec): 272 firstStr = next(iter(inputTree)) #獲取決策樹結點 273 secondDict = inputTree[firstStr] #下一個字典 274 featIndex = featLabels.index(firstStr) 275 for key in secondDict.keys(): 276 if testVec[featIndex] == key: 277 if type(secondDict[key]).__name__ == 'dict': 278 classLabel = classify(secondDict[key], featLabels, testVec) 279 else: classLabel = secondDict[key] 280 return classLabel 281 282 if __name__ == '__main__': 283 dataSet, labels = createDataSet() 284 featLabels = [] 285 myTree = createTree(dataSet, labels, featLabels) 286 testVec = [0,1] #測試數據 287 result = classify(myTree, featLabels, testVec) 288 if result == 'yes': 289 print('放貸') 290 if result == 'no': 291 print('不放貸') 292 ''' 293 函數說明: 存儲決策樹 294 Parameters: 295 inputTree - 已經生成的決策樹 296 filename - 決策樹的存儲文件名 297 Returns: 298 無 299 ''' 300 def storeTree(inputTree, filename): 301 fw = open(filename, 'wb') 302 pickle.dump(inputTree, fw) 303 fw.close() 304 305 if __name__ == '__main__': 306 myTree = {'有自己的房子': {0: {'有工作': {0: 'no', 1: 'yes'}}, 1: 'yes'}} 307 storeTree(myTree, 'classifierStorage.txt') 308 309 ''' 310 函數說明:讀取決策樹 311 Parameters: 312 filename - 決策樹的存儲文件名 313 Returns: 314 pickle.load(fr) - 決策樹字典 315 ''' 316 def grabTree(filename): 317 fr = open(filename, 'rb') 318 return pickle.load(fr) 319 320 if __name__ == '__main__': 321 myTree = grabTree('classifierStorage.txt') 322 print(myTree) 323 324 # if __name__ == '__main__': 325 # dataSet, labels = createDataSet() 326 # featLabels = [] 327 # myTree = createTree(dataSet, labels, featLabels) 328 # print(myTree) 329 # createPlot(myTree) 330 331 332 # if __name__ == '__main__': 333 # dataSet, features = createDataSet() 334 # print("最優特征索引值:" + str(chooseBestFeatureToSplit(dataSet)))