<转载+随笔>机器学习实战笔记(Python实现)-02-决策树

原文链接：http://www.cnblogs.com/hemiy/p/6165759.html

关于决策树的详细解释可以通过一个例子来了解：

算法杂货铺——分类算法之决策树(Decision tree)---张洋

该随笔主要记录中间自己不懂的函数，知识点

0.信息熵（香农熵）

信息传递中，一个信息符号的价值，取决于可表示状态数及可以消除的系统不确定性。其中可表示状态数以二状态符号为单位1，n状态符号价值是二状态符号的log2nlog2n倍，不确定性由信息熵度量，消除的不确定性越高则价值越高。

参考博客：http://blog.codinglabs.org/articles/simple-explain-of-amtoc.html

1.Counter()函数

　　Counter类的目的是用来跟踪值出现的次数。它是一个无序的容器类型，以字典的键值对形式存储，其中元素作为key，其计数作为value。计数值可以是任意的Interger（包括0和负数）。Counter类和其他语言的bags或multisets很相似。

　　找到一个比较详细的博客：转自Pythoner  http://www.pythoner.com/205.html

　　原博客中的一行代码：

　　

dataSet = [[1, 1, 'yes'],
               [1, 1, 'yes'],
               [1, 0, 'no'],
               [0, 1, 'no'],
               [0, 1, 'no']]
t=Counter(sample[-1] for sample in dataSet)
#意思是遍历dataSet，根据sample[-1]（即最后一个元素）来计数。
print(t)
#输出：Counter({'no': 3, 'yes': 2})

　　

2.lambda()函数（来源https://www.cnblogs.com/evening/archive/2012/03/29/2423554.html）

　　lambda作为一个表达式，定义了一个匿名函数

　　lambda 并不会带来程序运行效率的提高，只会使代码更简洁。

　　如果可以使用for...in...if来完成的，坚决不用lambda。

　　如果使用lambda，lambda内不要包含循环，如果有，我宁愿定义函数来完成，使代码获得可重用性和更好的可读性。

　　lambda 是为了减少单行函数的定义而存在的。

　　g(1)

　　>>>2

　　g(2)

　　>>>3

　　当然，你也可以这样使用：

　　lambda x:x+1(1)

　　>>>2

3.reduce()函数  参考（https://www.cnblogs.com/evening/archive/2012/03/29/2423554.html）

　　reduce()函数有两个参数，第一个是函数（该函数必须有两个参数，第二个为map）

　　举例：

　　

调用 reduce(f, [1, 3, 5, 7, 9])时，reduce函数将做如下计算：

def f(x,y):

　　return x+y

先计算头两个元素：f(1, 3)，结果为4；
再把结果和第3个元素计算：f(4, 5)，结果为9；
再把结果和第4个元素计算：f(9, 7)，结果为16；
再把结果和第5个元素计算：f(16, 9)，结果为25；
由于没有更多的元素了，计算结束，返回结果25。
 
若第二个参数后还有参数t:
reduce(f, [1, 3, 5, 7, 9], 100)

结果将变为125，因为第一轮计算是：

计算初始值和第一个元素：f(100, 1)，结果为101。

 

 

reduce函数，reduce函数会对参数序列中元素进行累积。
reduce函数的定义：
reduce(function, sequence[, initial]) -> value
function参数是一个有两个参数的函数，reduce依次从sequence中取一个元素，和上一次调用function的结果做参数再次调用function。
第一次调用function时，如果提供initial参数，会以sequence中的第一个元素和initial作为参数调用function，否则会以序列sequence中的前两个元素做参数调用function。
reduce(lambda x, y: x + y, [2, 3, 4, 5, 6], 1)
结果为21(  (((((1+2)+3)+4)+5)+6)  )
reduce(lambda x, y: x + y, [2, 3, 4, 5, 6])

结果为20

4.del()函数

　　del(args=)函数删除的是变量名，与c++不同，涉及到深拷贝浅拷贝的问题

　　

if __name__=="__main__":
    g = [1,2,3]
    t = g
    g[0] = 8
    print(t)
    print(g)
    del (g[0])
    print(t)
    print(g)
#输出：
    [8, 2, 3]
    [8, 2, 3]
    [2, 3]
    [2, 3]
from copy import deepcopy
if __name__=="__main__":
    g = [1,2,3]
    t = deepcopy(g)
    g[0] = 8
    print(t)
    print(g)
    del (g[0])
    print(t)
    print(g)
#输出
    [1, 2, 3]
    [8, 2, 3]
    [1, 2, 3]
    [2, 3]

 

 

5.赋值操作

　　creatTree()函数里第20行的赋值操作，刚看的时候不太懂，test了一下，贴下代码

　　

    bestFeatLabel = "no"
    myTree = {bestFeatLabel: {}}
    print(myTree)
#输出：
{'no': {}}
#myTree是一个字典，key为字符串，value为字典

 

6.isinstance()函数 

　　原型：

def isinstance(x, A_tuple): # real signature unknown; restored from __doc__
    """
    Return whether an object is an instance of a class or of a subclass thereof.
    
    A tuple, as in ``isinstance(x, (A, B, ...))``, may be given as the target to
    check against. This is equivalent to ``isinstance(x, A) or isinstance(x, B)
    or ...`` etc.
    """
    pass

功能：判断x是否为A类型

 

 

posted on 2017-12-13 22:16  wastelands  阅读(152)  评论(1)    收藏  举报

导航