欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识！
您现在的位置是： 首页  >  IT编程

全面解读机器学习之决策树

程序员文章站 2022-06-12 12:16:19
一、决策树的构造优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。缺点：可能会产生过度匹配问题。适用数据类型：数值型和标称型。  决策树的一般流程:收集数据：可以使用任何方法。准备数据：树构造算法只适用于标称型数据，因此数值型数据必须离散化。分析数据：可以使用任何方法，构造树完成之后，我们应该检查图形是否符合预期。训练算法：构造树的数据结构。测试算法：使用经验树计算错误率。使用算法：此步骤可以适用于任何监督学习算法，而使用决策树可以更好地理解数据...

一、决策树的构造

  • 优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。
  • 缺点：可能会产生过度匹配问题。
  • 适用数据类型：数值型和标称型。

  决策树的一般流程:

  • 收集数据：可以使用任何方法。
  • 准备数据：树构造算法只适用于标称型数据，因此数值型数据必须离散化。
  • 分析数据：可以使用任何方法，构造树完成之后，我们应该检查图形是否符合预期。
  • 训练算法：构造树的数据结构。
  • 测试算法：使用经验树计算错误率。
  • 使用算法：此步骤可以适用于任何监督学习算法，而使用决策树可以更好地理解数据的内在含义。

  使用ID3算法划分数据集。

1. 信息增益

  在划分数据集之前之后信息发生的变化称为信息增益。知道如何计算信息增益，就知道计算每个特征值划分数据集获得的信息增益，获得信息增益最高的特征就是最好的选择。

  熵定义为信息的期望值。如果待分类的事务可能划分在多个分类之中，则符号xix_i的信息定义为：

I(xi)=−log⁡2p(xi).I(x_i)=-\log_2p(x_i).

其中p(xi)p(x_i)是选择该分类的概率。并且需要计算所有类别所有可能值包含的信息期望值：

H=−∑i=1np(xi)log⁡2p(xi).H=-\sum_{i=1}^np(x_i)\log_{2}p(x_i).

其中，nn是分类数目。下面，创建trees.py文件，实现信息熵的使用。

from math import log

def calcShannonEnt(dataSet):
    numEntries = len(dataSet)
    labelCounts = {}
    for featVec in dataSet:
        currentLabel = featVec[-1]
        if currentLabel not in labelCounts.keys():
            labelCounts[currentLabel] = 0 # 将标签加入到字典中
        labelCounts[currentLabel] += 1 # 统计每个标签的数量
    shannonEnt = 0.0
    for key in labelCounts:
        prob = float(labelCounts[key]) / numEntries #选key分类的概率
        shannonEnt -= prob * log(prob, 2) # 香农公式
    return shannonEnt

  测试一下：

def createDataSet():
    dataSet = [[1, 1, 'yes'],
               [1, 1, 'yes'],
               [1, 0, 'no'],
               [0 ,1, 'no'],
               [0 ,1, 'no']]
    labels = ['no surfing', 'flippers']
    return dataSet, labels
myData, labels = createDataSet()
myData[0][-1] = 'maybe'
#print(calcShannonEnt(myData))
myData[0][-1] = 'yes' # 再改回来
'''
0.9709505944546686
'''

  熵越高，混合的数据也越多。在数据集上添加一些新的标签，熵就会变大。

myData[0][-1] = 'maybe'
print(calcShannonEnt(myData))
'''
1.3709505944546687
'''

2. 划分数据集

  上一节，通过度量划分数据集的熵，来判断当前是否是正确地划分了数据集。熵值越大，表示数据越混乱，自然划分成功的可能性越小。下面函数实现了以第axis个特征值为标准，对该特征是否是value进行划分：

# 返回对第axis列中的特征的划分 结果是value的数据
def splitDataSet(dataSet, axis, value):
    retDataSet = []
    for featVec in dataSet:
        if featVec[axis] == value: # 第axis个特征等于value的话
            reducedFeatVec = featVec[:axis] # 将axis所指的特征去除掉即可
            reducedFeatVec.extend(featVec[axis + 1:])
            retDataSet.append(reducedFeatVec)
    return retDataSet

print(splitDataSet(myData, 0, 1))
print(splitDataSet(myData, 0, 0))
'''
#结果是去掉axis所指的特征
[[1, 'maybe'], [1, 'yes'], [0, 'no']]
[[1, 'no'], [1, 'no']]
'''

  python中的append()和extend()函数是有差别的：

a = [1,2,3,4,5]
b = [1,2]
b.append(a[2:])
# b = [1, 2, [3, 4, 5]]
c = [3,5]
c.extend(a[:3])
# c = [3, 5, 1, 2, 3]

  下面遍历数据集，找到最好的特征值划分方式。

# 选出整个数据集最好的特征划分
def chooseBestFeatureToSplit(dataSet):
    numFeatures = len(dataSet[0]) - 1 # 最后一项是标签
    baseEntropy = calcShannonEnt(dataSet)
    bestInfoGain = 0.0
    bestFeature = -1
    for i in range(numFeatures):
        # 使用列表推导来创建新的列表
        # 将数据集中所有第i个特征值或者所有可能存在的值写入新的list
        featList = [example[i] for example in dataSet]
        uniqueVals = set(featList) # 集合中值唯一 顺序排好
        newEntropy = 0.0
        for value in uniqueVals:
            # 按照第i个特征进行划分
            subDataSet = splitDataSet(dataSet, i, value)
            # 第i个特征的概率
            prob = len(subDataSet) / float(len(dataSet))
            # 计算按照第i个特征划分后的各个类别的熵的和
            newEntropy += prob * calcShannonEnt(subDataSet)
        # 计算信息增益
        infoGain = baseEntropy - newEntropy
        if(infoGain > bestInfoGain):
            bestInfoGain = infoGain
            bestFeature = i
    return bestFeature


print(myData)
print(chooseBestFeatureToSplit(myData))
'''
[[1, 1, 'yes'], [1, 1, 'yes'], [1, 0, 'no'], [0, 1, 'no'], [0, 1, 'no']]
0
'''

3. 递归构建决策树

  首先定义函数，返回出现次数分类最多的名称：

def majorityCnt(classList):
    classCount = {}
    for vote in classList:
        if vote not in classCount.keys():
            classCount[vote] = 0
        classCount[vote] += 1 # 统计每个标签出现的个数
    sortedClassCount = sorted(classCount.items(),
                              key = operator.itemgetter(1),
                              reverse = True)
    return sortedClassCount[0][0] # 返回个数最多的那个特征

  递归创建决策树分类函数：

def createTree(dataSet, labels):
    # 将类别特征存到classList列表中
    classList = [example[-1] for example in dataSet]
    # 列表中的类别特征完全相同  直接返回 停止划分
    if classList.count(classList[0]) == len(classList):
        return classList[0]
    # 遍历完所有特征 返回样本个数最多的类别
    if len(dataSet[0]) == 1:
        return majorityCnt(classList)
    bestFeat = chooseBestFeatureToSplit(dataSet)
    bestFeatLabel = labels[bestFeat]
    myTree = {bestFeatLabel : {} }
    del(labels[bestFeat])
    featValues = [example[bestFeat] for example in dataSet]
    uniqueVals = set(featValues) # 记录当前选择的特征的属性 无重复
    for value in uniqueVals:
        subLabels = labels[ : ] # 复制类标签
        myTree[bestFeatLabel][value] = \
            createTree(splitDataSet(dataSet, bestFeat, value), subLabels)
    return myTree

myTree = createTree(myData, labels)
print(myTree)
'''
嵌套字典
{'no surfing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}}
'''

二、在Python中使用Matplotlib注解绘制树形图

  决策树范例：

全面解读机器学习之决策树

1. Matplotlib注解

  Matplotlib提供了一个非常有用的注解工具annotations，它可以在数据图形上添加文本注解。打开文本编辑器，创建名为treePlotter.py的新文件：

import matplotlib.pyplot as plt

# 定义文本框和剪头格式
 定义文本框和箭头格式
# boxstyle = ”sawtooth” 表示 注解框的边缘是波浪线，
# fc = '0.8' 是颜色深度
decisionNode = dict(boxstyle = "sawtooth", fc = '0.8')# dict 字典
leafNode = dict(boxstyle = 'round4', fc = '0.8') # 注释框是圆的
arrow_args = dict(arrowstyle = '<-') # 箭头指向文本框 不是数据点

def plotNode(nodeTxt, centerPt, parentPt, nodeType):
    createPlot.ax1.annotate(nodeTxt, xy = parentPt,
                            xycoords = 'axes fraction', xytext = centerPt,
                            textcoords = 'axes fraction',
                            va = 'center', ha = 'center', bbox = nodeType,
                            arrowprops = arrow_args)
def createPlot():
    # 创建一个新图形
    fig = plt.figure(1, facecolor = 'white')
    # 清空绘图区
    fig.clf()
    createPlot.ax1 = plt.subplot(111, frameon = False)
    plotNode('决策结点', (0.5, 0.1), (0.1, 0.5), decisionNode)
    plotNode('叶结点', (0.8, 0.1), (0.3, 0.8), leafNode)
    plt.show()
print(createPlot())

全面解读机器学习之决策树

2. 构造注解树

  定义函数实现：（1）知道有多少个叶节点，以便可以正确确定x轴的长度；（2）知道树有多少层，以便可以正确确定y轴的高度。

# 获取叶结点的数目
def getNumLeafs(myTree):
    numLeafs = 0
    # 由于python3改变了dict.keys,返回的是dict_keys对象,支持iterable
    # 但不支持indexable，我们可以将其明确的转化成list
    firstStr = list(myTree.keys())[0] # 存储key
    secondDict = myTree[firstStr] # 存储values
    for key in secondDict.keys(): # values 中的key 循环
        # 测试结点是否是字典 不是字典就是叶子结点
        # 是结点  就递归调用此函数
        if type(secondDict[key]).__name__ == 'dict':#test to see if the nodes are dictonaires, if not they are leaf nodes
            numLeafs += getNumLeafs(secondDict[key])
        else:
            numLeafs += 1
    return numLeafs

# 获取叶的层数
def getTreeDepth(myTree):
    maxDepth = 0
    #由于python3改变了dict.keys,返回的是dict_keys对象,支持iterable
    # 但不支持indexable，我们可以将其明确的转化成list
    firstStr = list(myTree.keys())[0]
    secondDict = myTree[firstStr]
    for key in secondDict.keys():
        if type(secondDict[key]).__name__ == 'dict':#test to see if the nodes are dictonaires, if not they are leaf nodes
            thisDepth = 1 + getTreeDepth(secondDict[key])
        else:
            thisDepth = 1
        if thisDepth > maxDepth:
            maxDepth = thisDepth
    return maxDepth

# 该函数主要用于测试 返回预定树的结构
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]

print(getNumLeafs(retrieveTree(0)))
print(getTreeDepth(retrieveTree(0)))
'''
3
2
'''

   下面将所有方法综合到一起，绘制一棵完整的树。

# 在父子结点间填充文本信息
def plotMidText(cntrPt, parentPt, txtString):
    xMid = (parentPt[0] - cntrPt[0]) / 2.0 + cntrPt[0]
    yMid = (parentPt[1] - cntrPt[1]) / 2.0 + cntrPt[1]
    createPlot.ax1.text(xMid, yMid, txtString, va="center", ha="center", rotation=30)

def plotTree(myTree, parentPt, nodeTxt):  # if the first key tells you what feat was split on
    numLeafs = getNumLeafs(myTree)  # this determines the x width of this tree
    depth = getTreeDepth(myTree)
    firstStr = list(myTree.keys())[0]  # the text label for this node should be this
    cntrPt = (plotTree.xOff + (1.0 + float(numLeafs)) / 2.0 / plotTree.totalW, plotTree.yOff)
    plotMidText(cntrPt, parentPt, nodeTxt)
    plotNode(firstStr, cntrPt, parentPt, decisionNode)
    secondDict = myTree[firstStr]
    plotTree.yOff = plotTree.yOff - 1.0 / plotTree.totalD
    for key in secondDict.keys():
        if type(secondDict[
                    key]).__name__ == 'dict':  # test to see if the nodes are dictonaires, if not they are leaf nodes
            plotTree(secondDict[key], cntrPt, str(key))  # recursion
        else:  # it's a leaf node print the leaf node
            plotTree.xOff = plotTree.xOff + 1.0 / plotTree.totalW
            plotNode(secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode)
            plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key))
    plotTree.yOff = plotTree.yOff + 1.0 / plotTree.totalD


# if you do get a dictonary you know it's a tree, and the first element will be another dict

def createPlot(inTree):
    fig = plt.figure(1, facecolor='white')
    fig.clf()
    axprops = dict(xticks=[], yticks=[])
    createPlot.ax1 = plt.subplot(111, frameon=False, **axprops)  # no ticks
    # createPlot.ax1 = plt.subplot(111, frameon=False) #ticks for demo puropses
    plotTree.totalW = float(getNumLeafs(inTree))
    plotTree.totalD = float(getTreeDepth(inTree))
    plotTree.xOff = -0.5 / plotTree.totalW
    plotTree.yOff = 1.0
    plotTree(inTree, (0.5, 1.0), '')
    plt.show()


myTree = retrieveTree(0)
print(createPlot(myTree))

全面解读机器学习之决策树

三、 测试和存储分类器

   本节，使用决策树构建分类器，介绍如何存储分类器。下一节将在真实数据上使用决策树分类算法，验证它是否可以正确预测出患者应该使用的隐形眼镜类型。

1. 测试算法：使用决策树执行分类

   下面代码使用递归函数，实现对未知样本的分类：

# 利用决策树构建分类器
# 参数是 嵌套字典 特征标签列表 需要测试的特征（0或1）
def classify(inputTree, featLabels, testVec):
    firstStr = list(inputTree.keys())[0] #
    secondDict = inputTree[firstStr]
    # featIndex是特征标签列表中firstStr标签的索引
    # 判断firstStr到底是数据集中的哪个属性
    featIndex = featLabels.index(firstStr)
    classLabel = []
    for key in secondDict.keys():
        if testVec[featIndex] == key:
            if type(secondDict[key]).__name__ == 'dict':
                classLabel = classify(secondDict[key], featLabels, testVec)
            else:
                classLabel = secondDict[key]
    return classLabel

myData, labels = createDataSet()
import treeplotter
m = treeplotter.retrieveTree(0)
print(classify(m, labels, [1, 0]))
print(classify(m, labels, [1, 1]))
print(classify(m, labels, [0, 1]))
'''
no
yes
no
'''

2. 使用算法：决策树的存储

   使用python中的pickle模块序列化对象，可以在磁盘中上保存对象，在需要的时候读取出来。

def storeTree(inputTree, filename):
    import pickle
    fw = open(filename, 'wb+')
    pickle.dump(inputTree, fw)
    fw.close()

def grabTree(filename):
    import pickle
    fr = open(filename, 'rb+')
    return pickle.load(fr)

#print(myTree)
storeTree(myTree, 'classifierstorage.txt')
grabTree('classifierstorage.txt')

四、示例：使用决策树预测隐形眼镜类型

   使用决策树预测隐形眼镜类型：

  • 收集数据：提供的文本文件。
  • 准备数据：解析tab键分隔的数据行。
  • 分析数据：快速检查数据，确保正确地解析数据内容，使用createPlot()函数绘制最终的树形图。
  • 训练算法：使用第一节中的createTree()函数。
  • 测试算法：编写测试函数验证决策树可以正确分类给定的数据实例。
  • 使用算法：存储树的数据结构，以便下次使用时无需重新构造树。
fr = open('lenses.txt') # 柔性焦距透镜组
lenses = [inst.strip().split('\t') for inst in fr.readlines()]
lensesLabels = ['age', 'prescript', 'astigmatic', 'tearRate']
lensesTree = createTree(lenses, lensesLabels)
treeplotter.createPlot(lensesTree)

对数据进行打印：

for i in range(len(lenses)):
    print(lenses[i])
'''
['young', 'myope', 'no', 'reduced', 'no lenses']
['young', 'myope', 'no', 'normal', 'soft']
['young', 'myope', 'yes', 'reduced', 'no lenses']
['young', 'myope', 'yes', 'normal', 'hard']
['young', 'hyper', 'no', 'reduced', 'no lenses']
等等。。。。。
'''

print(lensesTree)
'''
{'tearRate': {'normal': {'astigmatic': {'no': {'age': {'presbyopic': 
{'prescript': {'hyper': 'soft', 'myope': 'no lenses'}}, 'young': 'soft',
 'pre': 'soft'}}, 'yes': {'prescript': {'hyper': {'age': {'presbyopic':
  'no lenses', 'young': 'hard', 'pre': 'no lenses'}}, 'myope': 'hard'}}}}, 
  'reduced': 'no lenses'}}
'''

展示图片：

treeplotter.createPlot(lensesTree)

全面解读机器学习之决策树

上述匹配这些选项太多了，称为过度匹配。可以使用裁剪决策树，去掉一些不必要的叶子结点。上述使用的方法称为ID3算法。

五、总结

  • 开始处理数据，测量数据集的不一致性——熵。
  • 找到最优方法划分数据集，使得分类错误率最小，直到数据集中的所有数据属于统一分类。
  • 使用递归的方法，将划分的数据集转化为决策树，存储到嵌套字典中。
  • 使用图形函数，将字典转化为容易理解的图表。

完整代码

trees.py 


from math import log

# 计算数据集的信息熵
def calcShannonEnt(dataSet):
    numEntries = len(dataSet)
    labelCounts = {}
    for featVec in dataSet:
        currentLabel = featVec[-1]
        if currentLabel not in labelCounts.keys():
            labelCounts[currentLabel] = 0 # 将标签加入到字典中
        labelCounts[currentLabel] += 1 # 统计每个标签的数量
    shannonEnt = 0.0
    for key in labelCounts:
        prob = float(labelCounts[key]) / numEntries #选key分类的概率
        shannonEnt -= prob * log(prob, 2) # 香农公式
    return shannonEnt

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
myData, labels = createDataSet()
myData[0][-1] = 'maybe'
#print(calcShannonEnt(myData))
myData[0][-1] = 'yes' # 再改回来

# 返回对第axis列中的特征的划分 结果是value的数据
def splitDataSet(dataSet, axis, value):
    retDataSet = []
    for featVec in dataSet:
        if featVec[axis] == value: # 第axis个特征等于value的话
            reducedFeatVec = featVec[:axis] # 将axis所指的特征去除掉即可
            reducedFeatVec.extend(featVec[axis + 1:])
            retDataSet.append(reducedFeatVec)
    return retDataSet
'''
print(myData)
print(splitDataSet(myData, 0, 1))
print(splitDataSet(myData, 0, 0))
'''

# 选出整个数据集最好的特征划分
def chooseBestFeatureToSplit(dataSet):
    numFeatures = len(dataSet[0]) - 1 # 最后一项是标签
    baseEntropy = calcShannonEnt(dataSet)
    bestInfoGain = 0.0
    bestFeature = -1
    for i in range(numFeatures):
        # 使用列表推导来创建新的列表
        # 将数据集中所有第i个特征值或者所有可能存在的值写入新的list
        featList = [example[i] for example in dataSet]
        uniqueVals = set(featList) # 集合中值唯一 顺序排好
        newEntropy = 0.0
        for value in uniqueVals:
            # 按照第i个特征进行划分
            subDataSet = splitDataSet(dataSet, i, value)
            # 第i个特征的概率
            prob = len(subDataSet) / float(len(dataSet))
            # 计算按照第i个特征划分后的各个类别的熵的和
            newEntropy += prob * calcShannonEnt(subDataSet)
        # 计算信息增益
        infoGain = baseEntropy - newEntropy
        if(infoGain > bestInfoGain):
            bestInfoGain = infoGain
            bestFeature = i
    return bestFeature


#print(myData)
#print(chooseBestFeatureToSplit(myData)) # 返回0  代表第0个特征

import operator

# 返回数据集中 个数最多的特征
def majorityCnt(classList):
    classCount = {}
    for vote in classList:
        if vote not in classCount.keys():
            classCount[vote] = 0
        classCount[vote] += 1 # 统计每个标签出现的个数
    sortedClassCount = sorted(classCount.items(),
                              key = operator.itemgetter(1),
                              reverse = True)
    return sortedClassCount[0][0] # 返回个数最多的那个特征


# 创造嵌套字典
def createTree(dataSet, labels):
    # 将类别特征存到classList列表中
    classList = [example[-1] for example in dataSet]
    # 列表中的类别特征完全相同  直接返回 停止划分
    if classList.count(classList[0]) == len(classList):
        return classList[0]
    # 遍历完所有特征 返回样本个数最多的类别
    if len(dataSet[0]) == 1:
        return majorityCnt(classList)
    bestFeat = chooseBestFeatureToSplit(dataSet)
    bestFeatLabel = labels[bestFeat]
    myTree = {bestFeatLabel : {} }
    del(labels[bestFeat])
    featValues = [example[bestFeat] for example in dataSet]
    uniqueVals = set(featValues) # 记录当前选择的特征的属性 无重复
    for value in uniqueVals:
        subLabels = labels[ : ] # 复制类标签
        myTree[bestFeatLabel][value] = \
            createTree(splitDataSet(dataSet, bestFeat, value), subLabels)
    return myTree

myTree = createTree(myData, labels)
# print(myTree)
'''
嵌套字典
{'no surfacing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}}
'''

# 利用决策树构建分类器
# 参数是 嵌套字典 特征标签列表 需要测试的特征（0或1）
def classify(inputTree, featLabels, testVec):
    firstStr = list(inputTree.keys())[0] #
    secondDict = inputTree[firstStr]
    # featIndex是特征标签列表中firstStr标签的索引
    # 判断firstStr到底是数据集中的哪个属性
    featIndex = featLabels.index(firstStr)
    classLabel = []
    for key in secondDict.keys():
        if testVec[featIndex] == key:
            if type(secondDict[key]).__name__ == 'dict':
                classLabel = classify(secondDict[key], featLabels, testVec)
            else:
                classLabel = secondDict[key]
    return classLabel

myData, labels = createDataSet()
import treeplotter
m = treeplotter.retrieveTree(0)

'''
print(classify(m, labels, [1, 0]))
print(classify(m, labels, [1, 1]))
print(classify(m, labels, [0, 1]))
'''

def storeTree(inputTree, filename):
    import pickle
    fw = open(filename, 'wb+')
    pickle.dump(inputTree, fw)
    fw.close()

def grabTree(filename):
    import pickle
    fr = open(filename, 'rb+')
    return pickle.load(fr)

#print(myTree)
#storeTree(myTree, 'classifierstorage.txt')
#grabTree('classifierstorage.txt')

fr = open('lenses.txt') # 柔性焦距透镜组
lenses = [inst.strip().split('\t') for inst in fr.readlines()]
lensesLabels = ['age', 'prescript', 'astigmatic', 'tearRate']
lensesTree = createTree(lenses, lensesLabels)
treeplotter.createPlot(lensesTree)

for i in range(len(lenses)):
    print(lenses[i])

print(lensesTree)

treeplotter.py 

import matplotlib.pyplot as plt

# 定义文本框和箭头格式
# boxstyle = ”sawtooth” 表示 注解框的边缘是波浪线，
# fc = '0.8' 是颜色深度
decisionNode = dict(boxstyle = "sawtooth", fc = '0.8')# dict 字典
leafNode = dict(boxstyle = 'round4', fc = '0.8') # 注释框是圆的
arrow_args = dict(arrowstyle = '<-') # 箭头指向文本框 不是数据点


#
def plotNode(nodeTxt, centerPt, parentPt, nodeType):
    createPlot.ax1.annotate(nodeTxt, xy = parentPt,
                            xycoords = 'axes fraction', xytext = centerPt,
                            textcoords = 'axes fraction',
                            va = 'center', ha = 'center', bbox = nodeType,
                            arrowprops = arrow_args)

'''
def createPlot():
    # 创建一个新图形
    fig = plt.figure(1, facecolor = 'white')
    # 清空绘图区
    fig.clf()
    createPlot.ax1 = plt.subplot(111, frameon = False)
    plotNode('决策结点', (0.5, 0.1), (0.1, 0.5), decisionNode)
    plotNode('叶结点', (0.8, 0.1), (0.3, 0.8), leafNode)
    plt.show()
'''
# print(createPlot())

# 获取叶结点的数目
def getNumLeafs(myTree):
    numLeafs = 0
    # 由于python3改变了dict.keys,返回的是dict_keys对象,支持iterable
    # 但不支持indexable，我们可以将其明确的转化成list
    firstStr = list(myTree.keys())[0] # 存储key
    secondDict = myTree[firstStr] # 存储values
    for key in secondDict.keys(): # values 中的key 循环
        # 测试结点是否是字典 不是字典就是叶子结点
        # 是结点  就递归调用此函数
        if type(secondDict[key]).__name__ == 'dict':#test to see if the nodes are dictonaires, if not they are leaf nodes
            numLeafs += getNumLeafs(secondDict[key])
        else:
            numLeafs += 1
    return numLeafs

# 获取叶的层数
def getTreeDepth(myTree):
    maxDepth = 0
    #由于python3改变了dict.keys,返回的是dict_keys对象,支持iterable
    # 但不支持indexable，我们可以将其明确的转化成list
    firstStr = list(myTree.keys())[0]
    secondDict = myTree[firstStr]
    for key in secondDict.keys():
        if type(secondDict[key]).__name__ == 'dict':#test to see if the nodes are dictonaires, if not they are leaf nodes
            thisDepth = 1 + getTreeDepth(secondDict[key])
        else:
            thisDepth = 1
        if thisDepth > maxDepth:
            maxDepth = thisDepth
    return maxDepth

# 该函数主要用于测试 返回预定树的结构
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]

# print(getNumLeafs(retrieveTree(0)))
# print(getTreeDepth(retrieveTree(0)))

# 在父子结点间填充文本信息
def plotMidText(cntrPt, parentPt, txtString):
    xMid = (parentPt[0] - cntrPt[0]) / 2.0 + cntrPt[0]
    yMid = (parentPt[1] - cntrPt[1]) / 2.0 + cntrPt[1]
    createPlot.ax1.text(xMid, yMid, txtString, va="center", ha="center", rotation=30)

def plotTree(myTree, parentPt, nodeTxt):  # if the first key tells you what feat was split on
    numLeafs = getNumLeafs(myTree)  # this determines the x width of this tree
    depth = getTreeDepth(myTree)
    firstStr = list(myTree.keys())[0]  # the text label for this node should be this
    cntrPt = (plotTree.xOff + (1.0 + float(numLeafs)) / 2.0 / plotTree.totalW, plotTree.yOff)
    plotMidText(cntrPt, parentPt, nodeTxt)
    plotNode(firstStr, cntrPt, parentPt, decisionNode)
    secondDict = myTree[firstStr]
    plotTree.yOff = plotTree.yOff - 1.0 / plotTree.totalD
    for key in secondDict.keys():
        if type(secondDict[
                    key]).__name__ == 'dict':  # test to see if the nodes are dictonaires, if not they are leaf nodes
            plotTree(secondDict[key], cntrPt, str(key))  # recursion
        else:  # it's a leaf node print the leaf node
            plotTree.xOff = plotTree.xOff + 1.0 / plotTree.totalW
            plotNode(secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode)
            plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key))
    plotTree.yOff = plotTree.yOff + 1.0 / plotTree.totalD


# if you do get a dictonary you know it's a tree, and the first element will be another dict

def createPlot(inTree):
    fig = plt.figure(1, facecolor = 'white')
    fig.clf()
    axprops = dict(xticks = [], yticks = [])
    createPlot.ax1 = plt.subplot(111, frameon = False, **axprops)  # no ticks
    # createPlot.ax1 = plt.subplot(111, frameon=False) #ticks for demo puropses
    plotTree.totalW = float(getNumLeafs(inTree))
    plotTree.totalD = float(getTreeDepth(inTree))
    plotTree.xOff = -0.5 / plotTree.totalW
    plotTree.yOff = 1.0
    plotTree(inTree, (0.5, 1.0), '')
    plt.show()

myTree = retrieveTree(1)
# print(createPlot(myTree))

本文地址：https://blog.csdn.net/bwqiang/article/details/107029990

上一篇： 笑话集原创笑话精品展第145期

下一篇： 资产数字化服务平台Mercurity将于近日开放服务

推荐阅读