基于鸢尾花数据集的CART分类与回归算法python实现

时间: 2023-08-02 11:06:20 浏览: 52
以下是基于鸢尾花数据集的CART分类与回归算法的Python实现: 1. 导入必要的库和数据集 ```python import pandas as pd from sklearn.datasets import load_iris # 加载鸢尾花数据集 iris = load_iris() X = pd.DataFrame(iris.data, columns=iris.feature_names) y = pd.DataFrame(iris.target, columns=['target']) ``` 2. 定义CART分类树和回归树的函数 ```python def find_best_split(df, target): """ 找到最佳分裂点 """ best_gini = 1 best_feature = None best_value = None # 计算当前节点的Gini指数 gini = calc_gini(df[target]) # 遍历每个特征,找到最佳分裂点 for feature in df.columns: values = set(df[feature]) for value in values: left = df[df[feature] < value] right = df[df[feature] >= value] if len(left) == 0 or len(right) == 0: continue cur_gini = (len(left)/len(df))*calc_gini(left[target]) + (len(right)/len(df))*calc_gini(right[target]) if cur_gini < best_gini: best_gini = cur_gini best_feature = feature best_value = value return best_feature, best_value def build_tree(df, target): """ 构建决策树 """ # 如果只有一个类别,返回该类别 if len(set(df[target])) == 1: return df[target].iloc[0] # 如果所有特征都相同,返回出现最多的类别 if len(df.columns) == 1: return df[target].mode()[0] # 找到最佳分裂点 best_feature, best_value = find_best_split(df, target) # 构建子树 left = df[df[best_feature] < best_value] right = df[df[best_feature] >= best_value] tree = {best_feature: {}} tree[best_feature]['<' + str(best_value)] = build_tree(left, target) tree[best_feature]['>=' + str(best_value)] = build_tree(right, target) return tree ``` 3. 计算Gini指数的函数 ```python def calc_gini(y): """ 计算Gini指数 """ n = len(y) counts = y.value_counts() gini = 1 for count in counts: p = count/n gini -= p**2 return gini ``` 4. 训练CART分类树 ```python # 合并特征和标签 df = pd.concat([X, y], axis=1) # 训练CART分类树 tree = build_tree(df, 'target') ``` 5. 定义CART回归树的函数 ```python def find_best_split_regression(df, target): """ 找到最佳分裂点(回归树) """ best_mse = float('inf') best_feature = None best_value = None # 计算当前节点的均方误差 mse = calc_mse(df[target]) # 遍历每个特征,找到最佳分裂点 for feature in df.columns: values = set(df[feature]) for value in values: left = df[df[feature] < value] right = df[df[feature] >= value] if len(left) == 0 or len(right) == 0: continue cur_mse = (len(left)/len(df))*calc_mse(left[target]) + (len(right)/len(df))*calc_mse(right[target]) if cur_mse < best_mse: best_mse = cur_mse best_feature = feature best_value = value return best_feature, best_value def build_tree_regression(df, target): """ 构建决策树(回归树) """ # 如果所有样本的目标值相同,返回该目标值 if len(set(df[target])) == 1: return df[target].iloc[0] # 找到最佳分裂点 best_feature, best_value = find_best_split_regression(df, target) # 构建子树 left = df[df[best_feature] < best_value] right = df[df[best_feature] >= best_value] tree = {best_feature: {}} tree[best_feature]['<' + str(best_value)] = build_tree_regression(left, target) tree[best_feature]['>=' + str(best_value)] = build_tree_regression(right, target) return tree ``` 6. 计算均方误差的函数 ```python def calc_mse(y): """ 计算均方误差 """ n = len(y) mse = sum((y - y.mean())**2)/n return mse ``` 7. 训练CART回归树 ```python # 加载波士顿房价数据集 from sklearn.datasets import load_boston boston = load_boston() # 将数据集转换为DataFrame X = pd.DataFrame(boston.data, columns=boston.feature_names) y = pd.DataFrame(boston.target, columns=['target']) # 训练CART回归树 df = pd.concat([X, y], axis=1) tree = build_tree_regression(df, 'target') ```

相关推荐

最新推荐

recommend-type

智慧物流医药物流落地解决方案qytp.pptx

智慧物流医药物流落地解决方案qytp.pptx
recommend-type

JAVA物业管理系统设计与实现.zip

JAVA物业管理系统设计与实现
recommend-type

基于java的聊天系统的设计于实现.zip

基于java的聊天系统的设计于实现
recommend-type

Vue数字孪生可视化建模系统源码.zip

vueVue数字孪生可视化建模系统源码.zip vueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zip
recommend-type

基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip

基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。