1. ID3算法
在决策树各个结点上应该信息增益准则选择特征,递归地构建决策树
1.1. 输入
训练数据集D
特征集A
阈值
1.2. 输出
决策树T
1.3. 过程
- 若D中所有实例属于同一类,则T为单结点树,并将类作为该结点的类标记,返回T
- 若,则T为单结点,并将D中实例数最大的类作为该结点的类标记,返回T
决策树的深度每增加一层,这一层结点的特征就少一个,到了第n层的结点就没有任凭特征用于分类了。但此时结点的数据的标记可能仍不属于同一类。 - 否则,按信息增益的算法计算A中各个特征对D的信息增益,选择信息特征最大的Ag
- 如果Ag的信息增益小于阈值,则置T为单结点树,并将D中实例数最大的类作为该结点的类标记,返回T 阈值是为了防止过拟合
- 否则,对Ag的每一个可能的值ai,依Ag=ai将D分割为若干非空子集Di,将Di中实例数最大的类标记,构建子结点,由结点及其子结点构成树T,返回T
- 对第i个子结点,以Di为训练集,以A-{Ag}为特征集,递归地调用步(1)-步(5),得到子树Ti,返回Ti
A-{Ag}表示两个集合相减
训练集Di中不包含特征Ag
2. 代码
def multi(y):
ySet = set(y)
bestCount = 0
for yi in ySet:
count = y.count(yi)
if count > bestCount:
bestCount = count
bestyi = yi
return bestyi
def ID3(X, y, epsilon):
# 若D中所有实例属于同一类
if len(set(y))==1:
# 将类{% math %}C_k{% endmath %}作为该结点的类标记
return y[0]
# 若{% math %}A=\emptyset{% endmath %}
if X.shape[1] == 0:
# 实例数最大的类{% math %}C_k{% endmath %}作为该结点的类标记
return multi(y)
bestInfo = 0
# 计算A中各个特征对D的信息增益
for feature in range(X.shape[1]):
info = svm(X, y, feature)
# 选择信息特征最大的Ag
if svm(X, y, feature) > bestInfo:
bestInfo = info
bestfeature = feature
# 如果Ag的信息增益小于阈值{% math %}\epsilon{% endmath %}
if bestInfo < epsilon:
# 将D中实例数最大的类{% math %}C_k{% endmath %}作为该结点的类标记
return multi(y)
feature = bestfeature
ret = {'feature':feature}
# 对Ag的每一个可能的值ai
a = set(X[:, feature])
for ai in a:
yai = y[X[:,feature] == ai]
Xai = X[X[:,feature] == ai]
ret[ai] = ID3(Xai, yai, epsilon)
return ret