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/b

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" 

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。

python 机器学习 树回归