python机器学习实战之树回归详解
本文实例为大家分享了树回归的具体代码，供大家参考，具体内容如下
#-*- coding:utf-8 -*-
#!/usr/bin/python
'''''
回归树 连续值回归预测 的 回归树
'''
# 测试代码
# import regTrees as RT RT.RtTreeTest() RT.RtTreeTest('ex0.txt') RT.RtTreeTest('ex2.txt')
# import regTrees as RT RT.RtTreeTest('ex2.txt',ops=(10000,4))
# import regTrees as RT RT.pruneTest()
# 模型树 测试
# import regTrees as RT RT.modeTreeTest(ops=(1,10)
# 模型回归树和普通回归树 效果比较 计算相关系数
# import regTrees as RT RT.MRTvsSRT()
from numpy import *
# Tab 键值分隔的数据 提取成 列表数据集 成浮点型数据
def loadDataSet(fileName): #
dataMat = [] # 目标数据集 列表
fr = open(fileName)
for line in fr.readlines():
curLine = line.strip().split('\t')
fltLine = map(float,curLine) #转换成浮点型数据
dataMat.append(fltLine)
return dataMat
# 按特征值 的数据集二元切分 特征(列) 对应的值
# 某一列的值大于value值的一行样本全部放在一个矩阵里，其余放在另一个矩阵里
def binSplitDataSet(dataSet, feature, value):
mat0 = dataSet[nonzero(dataSet[:,feature] > value)[0],:][0] # 数组过滤
mat1 = dataSet[nonzero(dataSet[:,feature] <= value)[0],:][0] #
return mat0,mat1
# 常量叶子节点
def regLeaf(dataSet):# 最后一列为标签 为数的叶子节点
return mean(dataSet[:,-1])# 目标变量的均值
# 方差
def regErr(dataSet):
return var(dataSet[:,-1]) * shape(dataSet)[0]# 目标变量的平方误差 * 样本个数（行数）的得到总方差
# 选择最优的 分裂属性和对应的大小
def chooseBestSplit(dataSet, leafType=regLeaf, errType=regErr, ops=(1,4)):
tolS = ops[0] # 允许的误差下降值
tolN = ops[1] # 切分的最少样本数量
if len(set(dataSet[:,-1].T.tolist()[0])) == 1: # 特征剩余数量为1 则返回
return None, leafType(dataSet) #### 返回 1 ####
m,n = shape(dataSet) # 当前数据集大小 形状
S = errType(dataSet) # 当前数据集误差 均方误差
bestS = inf; bestIndex = 0; bestValue = 0
for featIndex in range(n-1):# 遍历 可分裂特征
for splitVal in set(dataSet[:,featIndex]):# 遍历对应 特性的 属性值
mat0, mat1 = binSplitDataSet(dataSet, featIndex, splitVal)# 进行二元分割
if (shape(mat0)[0] < tolN) or (shape(mat1)[0] < tolN): continue #样本数量 小于设定值，则不切分
newS = errType(mat0) + errType(mat1)# 二元分割后的 均方差
if newS < bestS: # 弱比分裂前小 则保留这个分类
bestIndex = featIndex
bestValue = splitVal
bestS = newS
if (S - bestS) < tolS: # 弱分裂后 比 分裂前样本方差 减小的不多 也不进行切分
return None, leafType(dataSet) #### 返回 2 ####
mat0, mat1 = binSplitDataSet(dataSet, bestIndex, bestValue)
if (shape(mat0)[0] < tolN) or (shape(mat1)[0] < tolN): #样本数量 小于设定值，则不切分
return None, leafType(dataSet) #### 返回 3 ####
return bestIndex,bestValue # 返回最佳的 分裂属性 和 对应的值
# 创建回归树 numpy数组数据集 叶子函数 误差函数 用户设置参数（最小样本数量 以及最小误差下降间隔）
def createTree(dataSet, leafType=regLeaf, errType=regErr, ops=(1,4)):
# 找到最佳的待切分特征和对应 的值
feat, val = chooseBestSplit(dataSet, leafType, errType, ops)#
# 停止条件 该节点不能再分，该节点为叶子节点
if feat == None: return val
retTree = {}
retTree['spInd'] = feat #特征
retTree['spVal'] = val #值
# 执行二元切分
lSet, rSet = binSplitDataSet(dataSet, feat, val)# 二元切分 左树 右树
# 创建左树
retTree['left'] = createTree(lSet, leafType, errType, ops) # 左树 最终返回子叶子节点 的属性值
# 创建右树
retTree['right'] = createTree(rSet, leafType, errType, ops) # 右树
return retTree
# 未进行后剪枝的回归树测试
def RtTreeTest(filename='ex00.txt',ops=(1,4)):
MyDat = loadDataSet(filename) # ex00.txt y = w*x 两维 ex0.txt y = w*x+b 三维
MyMat = mat(MyDat)
print createTree(MyMat,ops=ops)
# 判断是不是树 (按字典形式存储)
def isTree(obj):
return (type(obj).__name__=='dict')
# 返回树的平均值 塌陷处理
def getMean(tree):
if isTree(tree['right']):
tree['right'] = getMean(tree['right'])
if isTree(tree['left']):
tree['left'] = getMean(tree['left'])
return (tree['left']+tree['right'])/2.0 # 两个叶子节点的 平均值
# 后剪枝 待剪枝的树 剪枝所需的测试数据
def prune(tree, testData):
if shape(testData)[0] == 0:
return getMean(tree) #没有测试数据 返回
if (isTree(tree['right']) or isTree(tree['left'])): # 如果回归树的左右两边是树
lSet, rSet = binSplitDataSet(testData, tree['spInd'], tree['spVal'])#对测试数据 进行切分
if isTree(tree['left']):
tree['left'] = prune(tree['left'], lSet) # 对左树进行剪枝
if isTree(tree['right']):
tree['right'] = prune(tree['right'], rSet)# 对右树进行剪枝
if not isTree(tree['left']) and not isTree(tree['right']):#两边都是叶子
lSet, rSet = binSplitDataSet(testData, tree['spInd'], tree['spVal'])#对测试数据 进行切分
errorNoMerge = sum(power(lSet[:,-1] - tree['left'],2)) +\
sum(power(rSet[:,-1] - tree['right'],2)) # 对两边叶子合并前计算 误差
treeMean = (tree['left']+tree['right'])/2.0 # 合并后的 叶子 均值
errorMerge = sum(power(testData[:,-1] - treeMean,2))# 合并后 的误差
if errorMerge < errorNoMerge: # 合并后的误差小于合并前的误差
print "merging" # 说明合并后的树 误差更小
return treeMean # 返回两个叶子 的均值 作为 合并后的叶子节点
else: return tree
else: return tree
def pruneTest():
MyDat = loadDataSet('ex2.txt')
MyMat = mat(MyDat)
MyTree = createTree(MyMat,ops=(0,1)) # 为了得到 最大的树 误差设置为0 个数设置为1 即不进行预剪枝
MyDatTest = loadDataSet('ex2test.txt')
MyMatTest = mat(MyDatTest)
print prune(MyTree,MyMatTest)
######叶子节点为线性模型的模型树#########
# 线性模型
def linearSolve(dataSet):
m,n = shape(dataSet) # 数据集大小
X = mat(ones((m,n))) # 自变量
Y = mat(ones((m,1))) # 目标变量
X[:,1:n] = dataSet[:,0:n-1]# 样本数据集合
Y = dataSet[:,-1] # 标签
# 线性模型 求解
xTx = X.T*X
if linalg.det(xTx) == 0.0:
raise NameError('行列式值为零,不能计算逆矩阵，可适当增加ops的第二个值')
ws = xTx.I * (X.T * Y)
return ws,X,Y
# 模型叶子节点
def modelLeaf(dataSet):
ws,X,Y = linearSolve(dataSet)
return ws
# 计算模型误差
def modelErr(dataSet):
ws,X,Y = linearSolve(dataSet)
yHat = X * ws
return sum(power(Y - yHat,2))
# 模型树测试
def modeTreeTest(filename='ex2.txt',ops=(1,4)):
MyDat = loadDataSet(filename) #
MyMat = mat(MyDat)
print createTree(MyMat,leafType=modelLeaf, errType=modelErr,ops=ops)#带入线性模型 和相应 的误差计算函数
# 模型效果计较
# 线性叶子节点 预测计算函数 直接返回 树叶子节点 值
def regTreeEval(model, inDat):
return float(model)
def modelTreeEval(model, inDat):
n = shape(inDat)[1]
X = mat(ones((1,n+1)))# 增加一列
X[:,1:n+1]=inDat
return float(X*model) # 返回 值乘以 线性回归系数
# 树预测函数
def treeForeCast(tree, inData, modelEval=regTreeEval):
if not isTree(tree):
return modelEval(tree, inData) # 返回 叶子节点 预测值
if inData[tree['spInd']] > tree['spVal']: # 左树
if isTree(tree['left']):
return treeForeCast(tree['left'], inData, modelEval)# 还是树 则递归调用
else:
return modelEval(tree['left'], inData) # 计算叶子节点的值 并返回
else:
if isTree(tree['right']): # 右树
return treeForeCast(tree['right'], inData, modelEval)
else:
return modelEval(tree['right'], inData)# 计算叶子节点的值 并返回
# 得到预测值
def createForeCast(tree, testData, modelEval=regTreeEval):
m=len(testData)
yHat = mat(zeros((m,1)))#预测标签
for i in range(m):
yHat[i,0] = treeForeCast(tree, mat(testData[i]), modelEval)
return yHat
# 常量回归树和线性模型回归树的预测结果比较
def MRTvsSRT():
TestMat = mat(loadDataSet('bikeSpeedVsIq_test.txt'))
TrainMat = mat(loadDataSet('bikeSpeedVsIq_train.txt'))
# 普通回归树 预测结果
# 得到普通回归树树
StaTree = createTree(TrainMat, ops=(1,20))
# 得到预测结果
StaYHat = createForeCast(StaTree, TestMat[:,0], regTreeEval)# 第一列为 自变量
# 预测结果和真实标签的相关系数
StaCorr = corrcoef(StaYHat, TestMat[:,1], rowvar=0)[0,1] # NumPy 库函数
# 模型回归树 预测结果
# 得到模型回归树
ModeTree = createTree(TrainMat,leafType=modelLeaf, errType=modelErr, ops=(1,20))
# 得到预测结果
ModeYHat = createForeCast(ModeTree, TestMat[:,0], modelTreeEval)
# 预测结果和真实标签的相关系数
ModeCorr = corrcoef(ModeYHat, TestMat[:,1], rowvar=0)[0,1] # NumPy 库函数
print "普通回归树 预测结果的相关系数R2: %f" %(StaCorr)
print "模型回归树 预测结果的相关系数R2: %f" %(ModeCorr)
if ModeCorr>StaCorr:
print "模型回归树效果优于普通回归树"
else:
print "回归回归树效果优于模型普通树"
以上是 python机器学习实战之树回归详解 的全部内容， 来源链接： utcz.com/z/313530.html
