夏日炎炎,使用决策树去挑选西瓜(python实现)

本文通过实例介绍了如何运用ID3算法解决夏日挑选西瓜的问题,详细讲解了熵和信息增益的概念,以及如何根据信息增益选择最优特征进行决策树的构建。通过对数据集的标注和信息熵计算,确定了最优特征为‘纹理’,进而展开决策树的生成和修剪过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本篇文章将从决策树模型的原理开始讲起,通过解决如何在夏日中挑选西瓜这一问题来全面掌握。

本文目录:

一:问题导向

二:ID3算法预备知识:

三:代码实现及结果分析

四:决策树生成和修剪

一:问题导向

夏日炎炎,我们如何使用过去的经验来判断一个西瓜是不是好瓜呢?

我们一般会根据它的 色泽,根蒂,敲声,纹理,触感等等来判断它是不是一个好瓜。

以下是去年父亲买瓜时的信息:

色泽,根蒂,敲声,纹理,脐部,触感,好坏

青绿,蜷缩,浊响,清晰,凹陷,硬滑,好瓜
乌黑,蜷缩,沉闷,清晰,凹陷,硬滑,好瓜
乌黑,蜷缩,浊响,清晰,凹陷,硬滑,好瓜
青绿,蜷缩,沉闷,清晰,凹陷,硬滑,好瓜
浅白,蜷缩,浊响,清晰,凹陷,硬滑,好瓜
青绿,稍蜷,浊响,清晰,稍凹,软粘,好瓜
乌黑,稍蜷,浊响,稍糊,稍凹,软粘,好瓜
乌黑,稍蜷,浊响,清晰,稍凹,硬滑,好瓜
乌黑,稍蜷,沉闷,稍糊,稍凹,硬滑,坏瓜
青绿,硬挺,清脆,清晰,平坦,软粘,坏瓜
浅白,硬挺,清脆,模糊,平坦,硬滑,坏瓜
浅白,蜷缩,浊响,模糊,平坦,软粘,坏瓜
青绿,稍蜷,浊响,稍糊,凹陷,硬滑,坏瓜
浅白,稍蜷,沉闷,稍糊,凹陷,硬滑,坏瓜
乌黑,稍蜷,浊响,清晰,稍凹,软粘,坏瓜
浅白,蜷缩,浊响,模糊,平坦,硬滑,坏瓜
青绿,蜷缩,沉闷,稍糊,稍凹,硬滑,坏瓜 

但我们会对这些判断条件有一个优先级,先要挑最重要的那个因素考虑,可能对西瓜而言没有这么明显,但当我们去看医生时,如果我们的症状是腹泻,头疼,脱水,昏厥,那么医生会按照 昏厥 这个 权重最大 的症状先判断生命特征,再按照 *脱水 *去开点滴,再按照 腹泻 判断可能是肠胃炎等等。

树结构大家应该都熟知了,通过根节点开始,通过判断节点信息的是或否决定分支,逐次向下,最后在叶子节点生成最终的决策。

决策树的过程和这个类似,就是先挑“权重”最大的那个考虑,然后再往下细分。

那么我们用一个什么标准来 衡量某个特征是权重最大的呢

这里有信息增益和基尼系数两个。我们使用ID3算法

ID3算法采用的是信息增益这个量。

二:ID3算法的预备知识

(理论熟练的同学可以跳过这一部分)

2.1 熵

在物理中: 熵是混乱的度量指标。

对于一个数据集而言,它的类别越多,越混乱.

我们引入 “信息熵” 来作为度量样本集合混乱度(纯度)的指标,采用信息增益这个量来作为纯度的度量,选取信息增益最大的特征进行分裂(即作为结点)。

信息熵的计算公式是:
E ( x ) = − ∑ i = 1 N p ( x i ) l o g 2   p ( x i ) E(x)= -\sum_{i=1}^N p(x_i)log_2 \, p(x_i) E(x)=i=1Np(xi)log2p(xi)

2.2 . 信息增益

构造树的基本想法是随着树深度的增加,节点的熵迅速地降低。熵降低的速度越快越好,这样我们有望得到一棵高度最矮的决策树。

在没有给定西瓜信息时,根据去年数据,我们只知道新的一个瓜好瓜的概率为8/17,坏瓜的概率为9/17.此时的熵为:

E n ( x ) = − 8 17 l o g 2   8 17 − 9 17 l o g 2   9 17 = 0.511 + 0.486 = 0.997 E_n(x)= - \frac{8}{17}log_2 \, \frac{8}{17}-\frac{9}{17}log_2\,\frac{9}{17}=0.511+0.486=0.997 En(x)=178log2178179log2179

评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值