决策树-构造注解树

淩亂°似流年 2022-06-04 08:21 130阅读 0赞

注解树：将树中的信息添加到决策树图中。  
Note：绘制图形的x轴有效范围是0.0到1.0，y轴有效范围也是0.0到1.0。

def getNumLeafs(myTree):  #获取叶节点树
        numLeafs = 0
        # firstStr = myTree.keys()[0]  #mytree的第一个特征值   python2写法
        first = list(myTree.keys())
        firstStr = first[0]
        secondDict = myTree[firstStr] #mytree经过第一个特征值分类后的字典
        for key in secondDict.keys():
            if type(secondDict[key]).__name__=='dict': #判断是否分类过的数据为字典
                numLeafs += getNumLeafs(secondDict[key]) #子节点数量+1 递归，判断一共多少个子节点
            else: numLeafs += 1
        return numLeafs
    
    def getTreeDepth(myTree): #获取树深度
        maxDepth = 0
        # firstStr = myTree.keys()[0]  #mytree的第一个特征值   python2写法
        first = list(myTree.keys())
        firstStr = first[0]
        secondDict = myTree[firstStr]  # mytree经过第一个特征值分类后的字典
        for key in secondDict.keys():
            if type(secondDict[key]).__name__ == 'dict':  # 判断是否分类过的数据为字典
                thisDepth = 1 + getTreeDepth(secondDict[key]) #数的深度+1
            else: thisDepth = 1
            if thisDepth > maxDepth: maxDepth = thisDepth
        return maxDepth #最大深度
        #二叉树的深度是指有多少层, 而二元决策树的深度是指经过多少层计算
    
    #测试的树数据
    def retrieveTree(i):
        listOfTrees = [{
       'no surfacing': {
       0: 'no', 1: {
       'flippers': {
       0: 'no', 1:'yes'}}}},
                        {
       'no surfacing': {
       0: 'no', 1: {
       'flippers': {
       0: {
       'head': {
       0: 'no', 1:'yes'}}, 1: 'no'}}}}]
        return listOfTrees[i]
    
    def plotMidText(cntrPt, parentPt, txtString):  #在坐标点cntrPt和parentPt连接线上的中点，显示文本txtString
        xMid = (parentPt[0]-cntrPt[0])/2.0 + cntrPt[0] #x坐标
        yMid = (parentPt[1]-cntrPt[1])/2.0 + cntrPt[1] #y坐标
        createPlot.ax1.text(xMid, yMid, txtString) #在(xMid, yMid)处显示txtString
    
    def plotTree(myTree, parentPt, nodeTxt):
        numLeafs = getNumLeafs(myTree) #获得当前树叶节点个数
        depth = getTreeDepth(myTree) #获得当前树深度
        # firstStr = myTree.keys()[0]  #mytree的第一个特征值   python2写法
        first = list(myTree.keys())
        firstStr = first[0]  #第一个分类的特征值，即根节点
        cntrPt = (plotTree.xOff + (1.0 + float(numLeafs))/2.0/plotTree.totalW, plotTree.yOff)
        # plotTree.xOff和plotTree.yOff是用来追踪已经绘制的节点位置，plotTree.totalW为这个数的宽度，叶节点数
        plotMidText(cntrPt, parentPt, nodeTxt) #显示节点
        plotNode(firstStr, cntrPt, parentPt, decisionNode) #firstStr为需要显示的文本，cntrPt为文本的中心点，
                                                            # parentPt为箭头指向文本的起始点，decisionNode为文本属性
        secondDict = myTree[firstStr] #子树
        plotTree.yOff = plotTree.yOff - 1.0/plotTree.totalD #totalD是这个数的深度，深度移下一层
        for key in secondDict.keys():
            if type(secondDict[key]).__name__=="dict":
                plotTree(secondDict[key], cntrPt, str(key)) #递归显示子树
            else:
                plotTree.xOff = plotTree.xOff + 1.0/plotTree.totalW #x坐标平移一个单位
                plotNode(secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode) #画叶节点
                plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key)) #显示箭头文本
        plotTree.yOff = plotTree.yOff + 1.0/plotTree.totalD #下移一层深度
    
    def createPlot(inTree):
        fig = plt.figure(1, facecolor = 'white') #创建一个画布，背景为白色
        fig.clf() #画布清空
        axprops = dict(xticks=[], yticks=[]) #定义横纵坐标轴，无内容
        #ax1是函数createPlot的一个属性，这个可以在函数里面定义也可以在函数定义后加入也可以
        # createPlot.ax1 = plt.subplot(111, frameon = False, **axprops) #frameon表示是否绘制坐标轴矩形，无坐标轴
        createPlot.ax1 = plt.subplot(111, frameon = False) #frameon表示是否绘制坐标轴矩形
        plotTree.totalW = float(getNumLeafs(inTree)) #树的宽度
        plotTree.totalD = float(getTreeDepth(inTree)) #树的深度
        plotTree.xOff = -0.5/plotTree.totalW #x轴起始值，之前一开始定义了1.0+，有一个偏差
        plotTree.yOff = 1.0
        plotTree(inTree, (0.5, 1.0), '')
        plt.show()
    
    myTree = retrieveTree(0)
    createPlot(myTree)

![决策树][SouthEast]  
此树叶节点为3，深度为2。

[SouthEast]: /images/20220604/96d06f34a4a045f5848b01b929fd5d2e.png