决策树(二)
一:ID3算法
简单回顾上一节我们使用ID3算法:
ID3算法的核心是在决策树各个结点上对应信息增益准则选择特征,递归地构建决策树。
具体方法是:
- 从根结点开始,对结点计算所有可能的特征的信息增益,选择信息增益最大的特征作为结点的特征,由该特征的不同取值建立子节点;
- 再对子结点递归地调用以上方法,构建决策树;
- 直到所有特征的信息增益均很小或没有特征可以选择为止,最后得到一个决策树。
ID3相当于用极大似然法进行概率模型的选择。
二:直观感受一下我们的树
上一篇中我们构建了决策树,但是能否用代码清楚的表示出整个树结构呢?
例如使用字典格式保存整个树结构:
{'纹理': {0: {'色泽': {0: 'no', 1: {'敲声': {1: 'yes', 2: 'no'}}, 2: 'no'}}, 1: {'脐部': {0: 'yes', 1: {'根蒂': {0: 'yes', 1: 'yes'}}, 2: 'no'}}}}
接下来我们为了直观的看到我们创建的树是什么样子,
- 创建函数majorityCnt统计classList中出现此处最多的元素(类标签),
- 创建函数createTree用来递归构建决策树。
- 编写代码如下:
from math import log
import operator
#训练数据集
def createDataSet():
dataSet = [[0,0,1,1,0,0,'yes'],
[1,0,2,1,0,0,'yes'],
[1,0,1,1,0,0,'yes'],
[0,0,2,1,0,0,'yes'],
[2,0,1,1,0,0,'yes'],
[0,1,1,1,1,1,'yes'],
[1,1,1,0,1,1,'yes'],
[1,1,1,1,1,0,'yes'],
[1,1,2,0,1,0,'no'],
[0,2,0,1,2,1,'no'],
[2,2,0,0,2,0,'no'],
[2,0,1,0,2,1,'no'],
[0,1,1,0,0,0,'no'],
[2,1,2,0,0,0,'no'],
[1,1,1,1,1,1,'no'],
[2,0,1,0,2,0,'no'],
[0,0,2,0,1,0,'no']]
labels = ['色泽','根蒂','敲声','纹理','脐部','触感','好坏']#分类属性
return dataSet, labels #返回数据集和分类属性
#计算信息熵
def calMessageEnt(dataSet):
numEntires = len(dataSet) #返回数据集的行数
labelCounts = {} #保存每个标签出现次数的次数
#对每组特征向量就进行统计
for featVec in dataSet:
currentLabel = featVec[-1] #提取标签的信息
#如果标签不在统计里面
if (currentLabel not in labelCounts.keys()):
labelCounts[currentLabel] = 0
#如果在,计数
labelCounts[currentLabel]+=1
#信息熵
MessageEnt = 0.0
#计算信息熵
for key in labelCounts:
#选择该标签(Label)的概率
prob = float(labelCounts[key])/numEntires
#利用公式计算
MessageEnt -= prob*log(prob,2)
#返回信息熵
return MessageEnt
#按照给定特征划分 数据集
# dataSet - 待划分的数据集
# axis - 划分数据集的特征
# value - 需要返回的特征的值
def splitDataSet(dataSet,axis,value):
#创建返回的数据集列表
retDataSet = []
#遍历数据集
for featVec in dataSet:
#如果划分的等于那个特征
if featVec[axis] == value:
#去掉axis特征
reducedFeatVec = featVec[:axis]
#将符合条件的添加到返回的数据集
reducedFeatVec.extend(featVec[axis+1:])
retDataSet.append(reducedFeatVec)
#返回划分后的数据集
return retDataSet
#选择最优特征
# dataSet - 数据集
# bestFeature - 信息增益最大的(最优)特征的索引值
# bestInFoGain 信息增益
def chooseBestFeatureToSplit(dataSet):
#特征的数量
numFeatures = len(dataSet[0])-1
#计算数据集的信息熵
baseEntropy = calMessageEnt(dataSet)
#信息增益
bestInfoGain =0.0
#最优特 征索引值
bestFeature = -1
#遍历所有特征
for i in range(numFeatures):
#获取dataSet的第i个所有特征
featList = [example[i] for example in dataSet]
#创建SET集合,元素不可重复
uniqueVals =set(featList)
newEntropy = 0.0 #经验条件熵
#计算信息增益
for value in uniqueVals:
#划分子集
subDataSet = splitDataSet(dataSet,i,value)
#计算子集的概率
prob = len(subDataSet)/float(len(dataSet))
#根据公式计算经验条件熵
newEntropy += prob*calMessageEnt(subDataSet)
#信息增益
infoGain = baseEntropy - newEntropy
#计算最优特征的信息增益
if (infoGain > bestInfoGain):
#更新信息增益,找到最大的信息增益
bestInfoGain = infoGain
#记录信息增益最大的特征的索引值
bestFeature = i
#返回信息增益最大的特征的索引值
return bestFeature
#统计classList中出现此处最多的元素(类标签)
def majorityCnt(classList):
classCount = {}
for vote in classList:
#统计classList中每个元素出现的次数
if vote not in classCount.keys():classCount[vote] = 0
classCount[vote] += 1
#根据字典的值降序排序
sortedClassCount = sorted(classCount.items(), key = operator.itemgetter(1), reverse = True)
#返回classList中出现次数最多的元素
return sortedClassCount[0][0]
#创建树
def createTree(dataSet, labels, featLabels):
#取分类标签(好瓜与否:yes or no)
classList = [example[-1] for example in dataSet]
#如果类别完全相同则停止继续划分
if classList.count(classList[0]) == len(classList):
return classList[0]
#遍历完所有特征时返回出现次数最多的类标签
if len(dataSet[0]) == 1:
return majorityCnt(classList)
#选择最优特征
bestFeat = chooseBestFeatureToSplit(dataSet)
#最优特征的标签
print('labels',len(labels))
print('最优特征',bestFeat)
#停止条件
if (len(labels)==bestFeat):
return majorityCnt(classList)
bestFeatLabel = labels[bestFeat]
print('最优特征是',bestFeatLabel)
featLabels.append(bestFeatLabel)
#根据最优特征的标签生成树
myTree = {bestFeatLabel:{}}
#删除已经使用特征标签
del(labels[bestFeat])
#得到训练集中所有最优特征的属性值
featValues = [example[bestFeat] for example in dataSet]
#去掉重复的属性值
uniqueVals = set(featValues)
#遍历特征,创建决策树。
for value in uniqueVals:
myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet, bestFeat, value), labels, featLabels)
return myTree
if __name__ == '__main__':
dataSet, labels = createDataSet()
featLabels = []
myTree = createTree(dataSet, labels, featLabels)
print(myTree)
注意三点:
- 可能对于不同的数据,标签数和最优特征数之间可能会有数组越界的问题,自己手动添加一些跳出循环的条件即可
list index out of range
- 创建树时,递归的终止条件:
- 第一个是所有的类标签完全相同,则直接返回该类标签;
- 第二个停止条件是使用完了所有特征,仍然不能将数据划分仅包含唯一类别的分组,即决策树构建失败,特征不够用。此时说明数据纬度不够,由于第二个停止条件无法简单地返回唯一的类标签,这里挑选出现数量最多的类别作为返回值。
如下图,我们就完成了一颗丑丑的决策树~
三: 决策树可视化
我们使用Matplotlib,将上面那个丑丑的树进行可视化,可视化需要用到的函数:
- getNumLeafs:获取决策树叶子结点的数目
- getTreeDepth:获取决策树的层数
- plotNode:绘制结点
- plotMidText:标注有向边属性值
- plotTree:绘制决策树
- createPlot:创建绘制面板
为了显示中文,需要设置FontProperties,
代码如下:
from math import log
#字体
from matplotlib.font_manager import FontProperties
#画图
import matplotlib.pyplot as plt
import operator
#训练数据集
def createDataSet():
dataSet = [[0,0,1,1,0,0,'yes'],
[1,0,2,1,0,0,'yes'],
[1,0,1,1,0,0,'yes'],
[0,0,2,1,0,0,'yes'],
[2,0,1,1,0,0,'yes'],
[0,1,1,1,1,1,'yes'],
[1,1,1,0,1,1,'yes'],
[1,1,1,1,1,0,'yes'],
[1,1,2,0,1,0,'no'],
[0,2,0,1,2,1,'no'],
[2,2,0,0,2,0,'no'],
[2,0,1,0,2,1,'no'],
[0,1,1,0,0,0,'no'],
[2,1,2,0,0,0,'no'],
[1,1,1,1,1,1,'no'],
[2,0,1,0,2,0,'no'],
[0,0,2,0,1,0,'no']]
labels = ['色泽','根蒂','敲声','纹理','脐部','触感','好坏']#分类属性
return dataSet, labels #返回数据集和分类属性
#计算信息熵
def calMessageEnt(dataSet):
numEntires = len(dataSet) #返回数据集的行数
labelCounts = {} #保存每个标签出现次数的次数
#对每组特征向量就进行统计
for featVec in dataSet:
currentLabel = featVec[-1] #提取标签的信息
#如果标签不在统计里面
if (currentLabel not in labelCounts.keys()):
labelCounts[currentLabel] = 0
#如果在,计数
labelCounts[currentLabel]+=1
#信息熵
MessageEnt = 0.0
#计算信息熵
for key in labelCounts:
#选择该标签(Label)的概率
prob = float(labelCounts[key])/numEntires
#利用公式计算
MessageEnt -= prob*log(prob,2)
#返回信息熵
return MessageEnt
#按照给定特征划分 数据集
# dataSet - 待划分的数据集
# axis - 划分数据集的特征
# value - 需要返回的特征的值
def splitDataSet(dataSet,axis,value):
#创建返回的数据集列表
retDataSet = []
#遍历数据集
for featVec in dataSet:
#如果划分的等于那个特征
if featVec[axis] == value:
#去掉axis特征
reducedFeatVec = featVec[:axis]
#将符合条件的添加到返回的数据集
reducedFeatVec.extend(featVec[axis+1:])
retDataSet.append(reducedFeatVec)
#返回划分后的数据集
return retDataSet
#选择最优特征
# dataSet - 数据集
# bestFeature - 信息增益最大的(最优)特征的索引值
# bestInFoGain 信息增益
def chooseBestFeatureToSplit(dataSet):
#特征的数量
numFeatures = len(dataSet[0])-1
#计算数据集的信息熵
baseEntropy = calMessageEnt(dataSet)
#信息增益
bestInfoGain =0.0
#最优特 征索引值
bestFeature = -1
#遍历所有特征
for i in range(numFeatures):
#获取dataSet的第i个所有特征
featList = [example[i] for example in dataSet]
#创建SET集合,元素不可重复
uniqueVals =set(featList)
newEntropy = 0.0 #经验条件熵
#计算信息增益
for value in uniqueVals:
#划分子集
subDataSet = splitDataSet(dataSet,i,value)
#计算子集的概率
prob = len(subDataSet)/float(len(dataSet))
#根据公式计算经验条件熵
newEntropy += prob*calMessageEnt(subDataSet)
#信息增益
infoGain = baseEntropy - newEntropy
#计算最优特征的信息增益
if (infoGain > bestInfoGain):
#更新信息增益,找到最大的信息增益
bestInfoGain = infoGain
#记录信息增益最大的特征的索引值
bestFeature = i
#返回信息增益最大的特征的索引值
return bestFeature
#统计classList中出现此处最多的元素(类标签)
def majorityCnt(classList):
classCount = {}
for vote in classList:
#统计classList中每个元素出现的次数
if vote not in classCount.keys():classCount[vote] = 0
classCount[vote] += 1
#根据字典的值降序排序
sortedClassCount = sorted(classCount.items(), key = operator.itemgetter(1), reverse = True)
#返回classList中出现次数最多的元素
return sortedClassCount[0][0]
#创建树
def createTree(dataSet, labels, featLabels):
#取分类标签(好瓜与否:yes or no)
classList = [example[-1] for example in dataSet]
#如果类别完全相同则停止继续划分
if classList.count(classList[0]) == len(classList):
return classList[0]
#遍历完所有特征时返回出现次数最多的类标签
if len(dataSet[0]) == 1:
return majorityCnt(classList)
#选择最优特征
bestFeat = chooseBestFeatureToSplit(dataSet)
#最优特征的标签
print('labels',len(labels))
print('最优特征',bestFeat)
#解决数组越界的停止条件
if (len(labels)==bestFeat):
return majorityCnt(classList)
bestFeatLabel = labels[bestFeat]
print('最优特征是',bestFeatLabel)
featLabels.append(bestFeatLabel)
#根据最优特征的标签生成树
myTree = {bestFeatLabel:{}}
#删除已经使用特征标签
del(labels[bestFeat])
#得到训练集中所有最优特征的属性值
featValues = [example[bestFeat] for example in dataSet]
#去掉重复的属性值
uniqueVals = set(featValues)
#遍历特征,创建决策树。
for value in uniqueVals:
myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet, bestFeat, value), labels, featLabels)
return myTree
if __name__ == '__main__':
dataSet, labels = createDataSet()
featLabels = []
myTree = createTree(dataSet, labels, featLabels)
print(myTree)
"""
#函数说明:获取决策树叶子结点的数目
"""
def getNumLeafs(myTree):
numLeafs = 0 #初始化叶子
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]的方法获取结点属性,可以使用list(myTree.keys())[0]
secondDict = myTree[firstStr] #获取下一组字典
for key in secondDict.keys():
if type(secondDict[key]).__name__=='dict': #测试该结点是否为字典,如果不是字典,代表此结点为叶子结点
numLeafs += getNumLeafs(secondDict[key])
else: numLeafs +=1
return numLeafs
"""
函数说明:获取决策树的层数
"""
def getTreeDepth(myTree):
maxDepth = 0 #初始化决策树深度
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]的方法获取结点属性,可以使用list(myTree.keys())[0]
secondDict = myTree[firstStr] #获取下一个字典
for key in secondDict.keys():
if type(secondDict[key]).__name__=='dict': #测试该结点是否为字典,如果不是字典,代表此结点为叶子结点
thisDepth = 1 + getTreeDepth(secondDict[key])
else: thisDepth = 1
if thisDepth > maxDepth: maxDepth = thisDepth #更新层数
return maxDepth
"""
函数说明:绘制结点
"""
def plotNode(nodeTxt, centerPt, parentPt, nodeType):
arrow_args = dict(arrowstyle="<-") #定义箭头格式
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14) #设置中文字体
createPlot.ax1.annotate(nodeTxt, xy=parentPt, xycoords='axes fraction', #绘制结点
xytext=centerPt, textcoords='axes fraction',
va="center", ha="center", bbox=nodeType, arrowprops=arrow_args, FontProperties=font)
"""
函数说明:标注有向边属性值
"""
def plotMidText(cntrPt, parentPt, txtString):
xMid = (parentPt[0]-cntrPt[0])/2.0 + cntrPt[0] #计算标注位置
yMid = (parentPt[1]-cntrPt[1])/2.0 + cntrPt[1]
createPlot.ax1.text(xMid, yMid, txtString, va="center", ha="center", rotation=30)
"""
函数说明:绘制决策树
"""
def plotTree(myTree, parentPt, nodeTxt):
decisionNode = dict(boxstyle="sawtooth", fc="0.8") #设置结点格式
leafNode = dict(boxstyle="round4", fc="0.8") #设置叶结点格式
numLeafs = getNumLeafs(myTree) #获取决策树叶结点数目,决定了树的宽度
depth = getTreeDepth(myTree) #获取决策树层数
firstStr = next(iter(myTree)) #下个字典
cntrPt = (plotTree.xOff + (1.0 + float(numLeafs))/2.0/plotTree.totalW, plotTree.yOff) #中心位置
plotMidText(cntrPt, parentPt, nodeTxt) #标注有向边属性值
plotNode(firstStr, cntrPt, parentPt, decisionNode) #绘制结点
secondDict = myTree[firstStr] #下一个字典,也就是继续绘制子结点
plotTree.yOff = plotTree.yOff - 1.0/plotTree.totalD #y偏移
for key in secondDict.keys():
if type(secondDict[key]).__name__=='dict': #测试该结点是否为字典,如果不是字典,代表此结点为叶子结点
plotTree(secondDict[key],cntrPt,str(key)) #不是叶结点,递归调用继续绘制
else: #如果是叶结点,绘制叶结点,并标注有向边属性值
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
"""
函数说明:创建绘制面板
"""
def createPlot(inTree):
fig = plt.figure(1, facecolor='white') #创建fig
fig.clf() #清空fig
axprops = dict(xticks=[], yticks=[])
createPlot.ax1 = plt.subplot(111, frameon=False, **axprops) #去掉x、y轴
plotTree.totalW = float(getNumLeafs(inTree)) #获取决策树叶结点数目
plotTree.totalD = float(getTreeDepth(inTree)) #获取决策树层数
plotTree.xOff = -0.5/plotTree.totalW; plotTree.yOff = 1.0; #x偏移
plotTree(inTree, (0.5,1.0), '') #绘制决策树
plt.show() #显示绘制结果
if __name__ == '__main__':
dataSet, labels = createDataSet()
featLabels = []
myTree = createTree(dataSet, labels, featLabels)
print(myTree)
createPlot(myTree)
至此,我们成功把这颗树给可视化了
但上面出现的一个 很傻的情况,可能是我在处理数组越界时提前加入了停止条件,导致数据还未完全分类完成
大家解决了的话,请一定要私信博主
#解决数组越界的停止条件
if (len(labels)==bestFeat):
return majorityCnt(classList)
四:使用决策树进行分类
最激动人心的时刻来临了,我们怎么使用刚才的训练好的决策树来进行分类决断呢?
在构建决策树的代码,我们注意到,有个featLabels参数。它是用来干什么的?
它实际上是用来记录各个分类结点的,在用决策树做预测的时候,我们按顺序输入需要的分类结点的属性值即可。
举个例子,比如我用上述已经训练好的决策树做分类,那么我只需要提供一个新的西瓜的 纹理,色泽,敲声,根蒂,脐部等等信息就好
我在这里使用原来数据的第二条:乌黑,蜷缩,沉闷,清晰,凹陷,硬滑,好瓜
看他是否能准确判断(注意:字符串转化为数字)
from math import log
#字体
from matplotlib.font_manager import FontProperties
#画图
import matplotlib.pyplot as plt
import operator
#训练数据集
def createDataSet():
dataSet = [[0,0,1,1,0,0,'yes'],
[1,0,2,1,0,0,'yes'],
[1,0,1,1,0,0,'yes'],
[0,0,2,1,0,0,'yes'],
[2,0,1,1,0,0,'yes'],
[0,1,1,1,1,1,'yes'],
[1,1,1,0,1,1,'yes'],
[1,1,1,1,1,0,'yes'],
[1,1,2,0,1,0,'no'],
[0,2,0,1,2,1,'no'],
[2,2,0,0,2,0,'no'],
[2,0,1,0,2,1,'no'],
[0,1,1,0,0,0,'no'],
[2,1,2,0,0,0,'no'],
[1,1,1,1,1,1,'no'],
[2,0,1,0,2,0,'no'],
[0,0,2,0,1,0,'no']]
labels = ['色泽','根蒂','敲声','纹理','脐部','触感','好坏']#分类属性
return dataSet, labels #返回数据集和分类属性
#计算信息熵
def calMessageEnt(dataSet):
numEntires = len(dataSet) #返回数据集的行数
labelCounts = {} #保存每个标签出现次数的次数
#对每组特征向量就进行统计
for featVec in dataSet:
currentLabel = featVec[-1] #提取标签的信息
#如果标签不在统计里面
if (currentLabel not in labelCounts.keys()):
labelCounts[currentLabel] = 0
#如果在,计数
labelCounts[currentLabel]+=1
#信息熵
MessageEnt = 0.0
#计算信息熵
for key in labelCounts:
#选择该标签(Label)的概率
prob = float(labelCounts[key])/numEntires
#利用公式计算
MessageEnt -= prob*log(prob,2)
#返回信息熵
return MessageEnt
#按照给定特征划分 数据集
# dataSet - 待划分的数据集
# axis - 划分数据集的特征
# value - 需要返回的特征的值
def splitDataSet(dataSet,axis,value):
#创建返回的数据集列表
retDataSet = []
#遍历数据集
for featVec in dataSet:
#如果划分的等于那个特征
if featVec[axis] == value:
#去掉axis特征
reducedFeatVec = featVec[:axis]
#将符合条件的添加到返回的数据集
reducedFeatVec.extend(featVec[axis+1:])
retDataSet.append(reducedFeatVec)
#返回划分后的数据集
return retDataSet
#选择最优特征
# dataSet - 数据集
# bestFeature - 信息增益最大的(最优)特征的索引值
# bestInFoGain 信息增益
def chooseBestFeatureToSplit(dataSet):
#特征的数量
numFeatures = len(dataSet[0])-1
#计算数据集的信息熵
baseEntropy = calMessageEnt(dataSet)
#信息增益
bestInfoGain =0.0
#最优特 征索引值
bestFeature = -1
#遍历所有特征
for i in range(numFeatures):
#获取dataSet的第i个所有特征
featList = [example[i] for example in dataSet]
#创建SET集合,元素不可重复
uniqueVals =set(featList)
newEntropy = 0.0 #经验条件熵
#计算信息增益
for value in uniqueVals:
#划分子集
subDataSet = splitDataSet(dataSet,i,value)
#计算子集的概率
prob = len(subDataSet)/float(len(dataSet))
#根据公式计算经验条件熵
newEntropy += prob*calMessageEnt(subDataSet)
#信息增益
infoGain = baseEntropy - newEntropy
#计算最优特征的信息增益
if (infoGain > bestInfoGain):
#更新信息增益,找到最大的信息增益
bestInfoGain = infoGain
#记录信息增益最大的特征的索引值
bestFeature = i
#返回信息增益最大的特征的索引值
return bestFeature
#统计classList中出现此处最多的元素(类标签)
def majorityCnt(classList):
classCount = {}
for vote in classList:
#统计classList中每个元素出现的次数
if vote not in classCount.keys():classCount[vote] = 0
classCount[vote] += 1
#根据字典的值降序排序
sortedClassCount = sorted(classCount.items(), key = operator.itemgetter(1), reverse = True)
#返回classList中出现次数最多的元素
return sortedClassCount[0][0]
#创建树
def createTree(dataSet, labels, featLabels):
#取分类标签(好瓜与否:yes or no)
classList = [example[-1] for example in dataSet]
#如果类别完全相同则停止继续划分
if classList.count(classList[0]) == len(classList):
return classList[0]
#遍历完所有特征时返回出现次数最多的类标签
if len(dataSet[0]) == 1:
return majorityCnt(classList)
#选择最优特征
bestFeat = chooseBestFeatureToSplit(dataSet)
#最优特征的标签
#解决数组越界的停止条件
if (len(labels)==bestFeat):
return majorityCnt(classList)
bestFeatLabel = labels[bestFeat]
featLabels.append(bestFeatLabel)
#根据最优特征的标签生成树
myTree = {bestFeatLabel:{}}
#删除已经使用特征标签
del(labels[bestFeat])
#得到训练集中所有最优特征的属性值
featValues = [example[bestFeat] for example in dataSet]
#去掉重复的属性值
uniqueVals = set(featValues)
#遍历特征,创建决策树。
for value in uniqueVals:
myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet, bestFeat, value), labels, featLabels)
return myTree
# 函数说明:使用决策树分类
# inputTree - 已经生成的决策树
# featLabels - 存储选择的最优特征标签
# testVec - 测试数据列表,顺序对应最优特征标签:乌黑,蜷缩,沉闷,清晰,凹陷,硬滑,好瓜
# classLabel - 分类结果
def classify(inputTree, featLabels, testVec):
firstStr = next(iter(inputTree)) #获取决策树结点
secondDict = inputTree[firstStr] #下一个字典
featIndex = featLabels.index(firstStr)
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
if __name__ == '__main__':
dataSet, labels = createDataSet()
featLabels = []
myTree = createTree(dataSet, labels, featLabels)
#测试数据,注意要将字符串形式转化为数字
#我们是原数据
testVec = [1,0,2,1,0,0]
result = classify(myTree, featLabels, testVec)
if result == 'yes':
print('好瓜')
if result == 'no':
print('坏瓜')
令人振奋的输出结果:
不论判断优略,最起码,这个分类器达到了我们想要的结果: