合肥工业大学机器人技术第四次作业:生成决策树-Toy模板网

这篇具有很好参考价值的文章主要介绍了合肥工业大学机器人技术第四次作业:生成决策树。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

机器人技术第四次作业:生成决策树,Python实现

样本数据

合肥工业大学机器人技术第四次作业纸质,机器人技术课程,决策树,机器学习,python,1024程序员节

ID3生成决策树基本算法

计算数据整体的香农信息熵
对每个属性,分别计算条件熵
计算条件增益
选择最有条件增益作为决策树的根节点
重复上述步骤,直到信息熵降为0.达到根节点

使用sklearn生成ID3决策树

Python第三方库sklearn提供了决策树生成算法,此次作业便是用sklearn完成

对信息的处理

sklearn在datasets类之中提供了wine数据集,其中wine.data和wine.terget的类型均是numpy.ndarrray,也就是numpy的多维矩阵.在导入数据时也同样使用ndarray.

源代码

import pandas
from sklearn import tree
import matplotlib
matplotlib.use('TkAgg')
import numpy as np
import graphviz
import os
os.environ["PATH"] += os.pathsep + 'C:/Program Files/Graphviz/bin'
"""
    用1.2.3来表示价格的高低
    使用1代表中餐,2代表法式,3代表快餐,4代表意大利式
    0代表没人,1代表有人,2代表客满
    等待时间分为四个级别,0代表0-10,1代表10-30,2代表30-60,3代表>60
    
    其他均使用0或者1代表
"""
data = np.array([[1,1,3,2,1,1]
                    ,[1,1,1,1,2,2]
                    ,[0,0,1,3,1,1]
                    ,[1,1,1,1,3,1]
                    ,[1,0,3,2,2,3]
                    ,[0,1,2,4,1,1]   #6
                    ,[0,0,1,3,0,0]
                    ,[0,1,2,1,1,0]
                    ,[0,0,1,3,2,3]
                    ,[1,1,3,3,2,1]
                    ,[1,0,1,1,0,0]
                    ,[0,1,1,3,2,2]])

#### 初始化数据
DecisionData = pandas.read_csv(
    "E:\documents\DecisionTree.csv"
)
targetData = DecisionData[['ShouldWeight']]
targetDataArray = targetData.to_numpy()
print(targetDataArray)
#### 拟合
featureName = ['HasOtherChoices?','isHungry','Price','RestaurantType','isCrowded','TimeToWait']
clf = tree.DecisionTreeClassifier(criterion='entropy')
clf = clf.fit(data, targetData)
score = clf.score(data,targetData)

#### 调用Graphviz生成决策树
dot_data = tree.export_graphviz(
    clf
    ,out_file=None
    ,feature_names=featureName
    ,filled=True
    ,rounded=True
    )
graph = graphviz.Source(dot_data)
graph.render('DecisionTree')

DecisionData其实就是最后的是否决定等待的Bool值。可以替换为DecisionData = np.array([1,0,1,1,0,1,0,1,0,0,0,1])。1表示继续等待，否表示不想继续等待。

图像

Graphviz生成图像使用中文会涉及到编码问题从而中文乱码,所以使用了英文😄
不保证生成决策树模型的正确性
合肥工业大学机器人技术第四次作业纸质,机器人技术课程,决策树,机器学习,python,1024程序员节文章来源地址https://www.toymoban.com/news/detail-734661.html