用Python从零开始构造决策树

起步

本章介绍如何不利用第三方库，从策树仅用python自带的零开标准库来构造一个决策树。

熵的始构计算公式:

对应的 python 代码:

条件熵的计算

根据计算方法：

对应的 python 代码:

其中参数 future_list 是某一特征向量组成的列表，result_list 是造决 label 列表。

信息增益

根据信息增益的从策树计算方法：

对应的python代码:

..

定义决策树的节点

作为树的节点，要有左子树和右子树是零开必不可少的，除此之外还需要其他信息:

树的始构节点会有两种状态，叶子节点中 results 属性将保持当前的造决分类结果。云服务器提供商非叶子节点中，从策树 col 保存着该节点计算的零开特征索引，根据这个索引来创建左右子树。始构

has_calc_index 属性表示在到达此节点时，造决已经计算过的从策树特征索引。特征索引的零开数据集上表现是列的形式，如数据集（不包含结果集）:

有三条数据，始构三个特征，那么***个特征对应了***列 [1, 0, 0] ，它的索引是 0 。

递归的停止条件

本章将构造出完整的决策树，所以递归的停止条件是所有待分析的站群服务器训练集都属于同一类:

从训练集中筛选***的特征

因此计算节点就是调用 best_index = choose_best_future(node.data_set, node.labels, node.has_calc_index) 来获取***的信息增益的特征索引。

构造决策树

决策树中需要一个属性来指向树的根节点，以及特征数量。不需要保存训练集和结果集，因为这部分信息是保存在树的节点中的。

创建决策树

这里需要递归来创建决策树：

根据信息增益的特征索引将训练集再划分为左右两个子树。

训练函数

也就是要有一个 fit 函数:

清理训练集

训练后，树节点中数据集和结果集等就没必要的，该模型只要 col 和 result 就可以了：

预测函数

提供一个预测函数:

测试

数据集使用前面《应用篇》中的向量化的训练集：