课程设计基于Python实现决策树预测鸢尾花的种类与西瓜的好坏源码+超详细注释+使用说明.zip

import numpy as np from tree import Tree def entropy(y): """ 信息熵计算函数 Parameters ---------- y:numpy.ndarray 输入数据，1维数组 Returns ------- ent:float 输入数据的信息熵 """ class_list = np.unique(y, return_counts=True) class_count = class_list[0].size ent = 0 for k in range(class_count): pk = class_list[1][k] / len(y) ent += -pk * np.log(pk) return ent def gini(y): """ 基尼系数计算函数 Parameters ---------- y:numpy.ndarray 输入数据，1维数组 Returns ------- g:float 输入数据的基尼系数 """ class_list = np.unique(y, return_counts=True) class_count = class_list[0].size g = 1 for k in range(class_count): pk = class_list[1][k] / len(y) g -= pk ** 2 return g def get_most_class(y): """ 给出输入数据中数量最多的数据 Parameters ---------- y:numpy.ndarray 输入数据，1维数组 Returns ------- float|str 输入数据中数量最多的数据 """ class_list = np.unique(y, return_counts=True) max_labels = class_list[1].argmax() return class_list[0][max_labels] def right_test(tree, x, y): """ 使用输入的决策树tree判断给定数据x的种类，并与给定标签y对比，返回判断的正确率 Parameters ---------- tree:Tree 决策树 x:numpy.ndarray 数据 y:numpy.ndarray 数据标签 Returns ------- right_rate:float 预测正确率 """ right_num = 0 for i, j in zip(x, y): if tree.predict(i) == j: right_num += 1 right_rate = right_num / y.size return right_rate class DecisionTree: def __init__(self, feature_list, feature_attributes, criterion="entropy", max_depth=5): """ 初始化决策树 Parameters ---------- feature_list:list 数据集属性名称列表 feature_attributes:list 数据集属性连续性列表，连续为'c'，离散为'd' criterion:str entropy：使用信息熵 gini：基尼系数 max_depth:int 决策树最大深度，决策树深度从0开始 """ self.max_depth = max_depth self.feature_attributes = feature_attributes self.feature = feature_list if criterion == 'entropy': self.information_criterion = entropy elif criterion == 'gini': self.information_criterion = gini self.tree = None def fit(self, x, y): """ 决策树训练函数 Parameters ---------- x:numpy.ndarray 数据集 y:numpy.ndarray 数据标签 """ self.tree = self.create_tree(x, y, 0) def div_feature(self, x, y, feature, t=0): """ 根据属性分割数据集 Parameters ---------- x:numpy.ndarray 数据集 y:numpy.ndarray 数据标签 feature:int 分割的属性索引，当属性连续时，按照t值将数据分为两份(若两份中有一份的数据个数为0则删除个数为0的那份)， 当属性离散时，则属性有几类便将数据集分为几类(删除数据个数为0的那份) t:float 当属性连续时，按照t值将数据分为两份，当属性为离散值时该值不起作用 Returns ------- div_x,div_y,div_z:(list,list,list) div_x:数据集分类结果。 div_y:标签分类结果。 div_z:分类依据。若按照连续属性分类则该列表存储对应数据分类是否小于等于t值，小于等于则为True，否则为False； 若按照离散属性分类，则该列表存储对应分类的属性。 """ div_x = [] div_y = [] div_z = [] if self.feature_attributes[feature] == "c": tmp = x[:, feature].astype(float) if (tmp <= t).sum() != 0: div_x.append(x[tmp <= t]) div_y.append(y[tmp <= t]) div_z.append(True) if (tmp > t).sum() != 0: div_x.append(x[tmp > t]) div_y.append(y[tmp > t]) div_z.append(False) else: for i in np.unique(x[:, feature]): if (x[:, feature] == i).sum() != 0: div_x.append(x[x[:, feature] == i]) div_y.append(y[x[:, feature] == i]) div_z.append(i) return div_x, div_y, div_z def information_gain(self, x, y, feature, t=0): """ 信息增益 Parameters ---------- x:numpy.ndarray 数据集 y:numpy.ndarray 数据标签 feature:int 分割的属性索引，当属性连续时，按照t值将数据分为两份后计算信息增益， 当属性离散时，则属性有几类便将数据集分为几类后计算信息增益 t:float 当属性连续时，按照t值将数据分为两份，当属性为离散值时该值不起作用 Returns ------- float 信息增益 """ ent = self.information_criterion(y) div_x = self.div_feature(x, y, feature, t)[1] gain = 0 for lab in div_x: gain += lab.shape[0] / x.shape[0] * self.information_criterion(lab) return ent - gain def get_best_feature(self, x, y): """ 获取最佳信息增益的属性索引 Parameters ---------- x:numpy.ndarray 数据集 y:numpy.ndarray 数据标签 Returns ------- best_a, best_t:(int, float) beat_a:最佳属性索引。 best_t:当最佳属性为连续值时的最佳分割值， 当最佳属性为离散值时返回None。 """ best_a = 0 best_t = 0 best_gain = 0 for a in range(x.shape[1]): if self.feature_attributes[a] == "c": data_tmp = np.sort(x[:, a].astype(float), axis=0) for j in range(x.shape[0] - 1): t = (data_tmp[j] + data_tmp[j + 1]) / 2 gain = self.information_gain(x, y, a, t) if gain >= best_gain: best_gain = gain best_a = a best_t = t else: gain = self.information_gain(x, y, a) if gain >= best_gain: best_gain = gain best_a = a best_t = None return best_a, best_t def create_tree(self, x, y, d): """ 构建决策树 Parameters ---------- x:numpy.ndarray 数据集 y:numpy.ndarray 数据标签 d:int 决策树深度 Returns ------- Tree 决策树 """ if np.unique(y).size <= 1: return Tree({'类别': y[0], '数量': np.unique(y, return_counts=True), '熵': 0, 'depth': d}) if d >= self.max_depth: return Tree({'类别': get_most_class(y), '数量': np.unique(y, return_counts=True), '熵': self.information_criterion(y), 'depth': d}) best_feature = self.get_best_feature(x, y) leaf_data, leaf_labels, div_z = self.div_feature(x, y, *best_feature) if len(leaf_labels) >= 2: tree = Tree({'特征':