决策树算法.rar

决策树算法.rar

from math import log
import operator
import pickle
import xlrd
import xlwt
def creatData（）:    
    data = xlrd.open_workbook（‘医院数据.xls‘）
    table = data.sheets（）[0]
    numrow = table.nrows
    numcol = table.ncols
    datalist =[]
    for i in range（numrow）: #获取除了第一行的数据
        if i ==0: #第一行为标签不是数据不需要
            continue
        
        datalist.append（list（table.row_values（i）））
    for each in datalist:
        #删除无用列
        removelist=[0348912]
        x = 0
        for y in removelist:
            each.pop（y-x）
            x+=1
        #年龄分类为 0 1 2 3
        if each[1] > 0 and each[1] <=30:
            each[1] = 0
        if each[1] >30 and each[1] <=50:
            each[1] =1
        if each[1] >50 and each[1] <=60:
            each[1] =2
        if each[1] >60 and each[1] <=100:
            each[1] = 3
        #患病年限分类为 0 1 2
        if each[2] >0 and each[2] <= 5:
            each[2] =0
        if each[2] >5 and each[2] <= 10:
            each[2] =1
        if each[2] >10:
            each[2] =2
        #家族史分类 0 1 其中为null的设为1
        if each[3] == ‘NULL‘:
            each[3] =1
        #标签为出院结果，
        if each[6] ==‘NULL‘ :
            each[6] = ‘有‘
    label =[‘性别‘‘年龄‘‘病程‘‘家族史‘‘侧别‘‘即可面抽‘]
    return（datalistlabel）

def dataformat（nianlingbingcheng）:
    ‘‘‘
    #性别格式化
    if xingbie == ‘男‘:
        xingbie = 1
    if xingbie == ‘女‘:
        xingbie =0
    ‘‘‘
    #年龄格式化用each方便
    each = nianling
    if each > 0 and each <=30:
        each= 0
    if each >30 and each <=50:
        each =1
    if each >50 and each <=60:
        each =2
    if each >60 and each <=100:
        each= 3
    nianling = each
    #病程格式化
    each1= bingcheng
    if each1 >0 and each1 <= 5:
        each1 =0
    if each1 >5 and each1 <= 10:
        each1 =1
    if each1 >10:
        each1 =2
    bingcheng = each1
    return（nianlingbingcheng）

#信息熵
def inforEnt（data）:
    datanum = len（data）
    labelsdict = {}
    for each in data:
        label = each[-1]
        labelsdict[label] = labelsdict.get（label0） + 1
    Ent = 0.0

    for key in labelsdict:
        P = labelsdict[key]/datanum
        Ent -= P*log（P2）
    return（Ent）

#数据划分
def splitData（dataaxisvalue）:
    newdata = []
    for each in data:
        if each[axis] == value:

            data1 = each[:axis]
            data1.extend（each[axis+1:]）
            newdata.append（data1）
    return（newdata）

#最佳属性
def bestfeature（data）:
    bestfea = -1
    bestinforgain = 0.0
    numfea = len（data[0]）-1
    oriEnt = inforEnt（data）

    for i in range（numfea）:
        feavalue = [each[i] for each in data]
        uniquefea = set（feavalue）
        newent=0.0
        for each in uniquefea:

            spliteddata = splitData（dataieach）
            P = len（spliteddata）/len（data）
            newent += P*inforEnt（spliteddata）
        inforgain = oriEnt -newent
        if （i

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      39424  2017-10-18 19:15  决策树算法\医院数据.xls

     文件       6274  2017-11-21 18:00  决策树算法\医院问题决策树分类器.py

     文件       5339  2017-11-21 16:19  决策树算法\天气预报决策树分类器.py

     目录          0  2018-03-13 14:51  决策树算法

----------- ---------  ---------- -----  ----

                51037                    4