原创力文档- 1、本文档共2页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
#专业术语#用递归方法构建决策树
Peaker
我们了解决策树的原理以及优缺点和处理数据的类型，其实在生
物学，医学领域，决策树的应用非常广泛，这依赖于临床数据中大多数
特征都是非线性或非连续性的指标，也就是我们常说的离散型数据，
例如，耐药性，复发未复发，阳性等指标，编码后通常为0或
1的二进制离散数据。今天我们就详细介绍如何递归的构建决策树模
型。
第一步我们要根据信息熵选择最好的特征来对数据进行分割，使
用方法如下
第一部分为创建分类列表，第二部分为计算每种划分方法的
条件信息熵，第三部分为计算最好的信息增益值。
我们可以测试上面代码的输出结果，首先将训练数据输入到模型
中，代码如下
代码告诉我们第0个特征是最好的特征。接下来我们就可以递归
的构建分类器了。
创建树的函数代码如下
第一部分代表类别完全相同且停止继续划分，第二部分代表遍历
所有特征时返回出现次数最多的。第三部分代表得到列表包含所有的
属性值。接下来我们可以测试上面代码的实际输出结果，首先python
代码如下
变量myTree包含了很多代表树结构信息的嵌套字典，从左边开始，
第一个关键字nosurfacing是第一个划分数据的特征。如果值是，
则该子节点是叶子节点，如果值是另一个数据字典，则子节点是一个
判断节点，这个格式结构不断重复构成了整个树。
喜欢本文吗？欢迎加入云生信跟大家一起进步
~
文档评论（0）