python股票決策樹

『壹』 關於python編程決策樹的問題，有沒有大神來解答。。。

有一本《集體智慧編程》的書，裡面有詳細的講解，而且有python的示例代碼。

建議你看看。

『貳』 python構造決策樹要調用什麼包

調用這個包：

sklearn.tree

sklearn(scikit-learn)可以去http://www.lfd.uci.e/~gohlke/pythonlibs/#scikit-learn下載，解壓後放入C:Python27Libsite-packages直接使用。需要用同樣的方法額外下載numpy和scipy包，不然會報錯。

例子：

fromsklearn.datasetsimportload_iris
fromsklearn.model_selectionimportcross_val_score
fromsklearn.
clf=DecisionTreeClassifier(random_state=0)
iris=load_iris()
cross_val_score(clf,iris.data,iris.target,cv=10)

『叄』 python中的sklearn中決策樹使用的是哪一種演算法

sklearn中決策樹分為DecisionTreeClassifier和DecisionTreeRegressor，所以用的演算法是CART演算法，也就是分類與回歸樹演算法(classification and regression tree,CART)，劃分標准默認使用的也是Gini，ID3和C4.5用的是信息熵，為何要設置成ID3或者C4.5呢

『肆』 濡備綍鍒╃敤python榪涜屾暟鎹寤烘ā錛

Python鏁版嵁寤烘ā鐨勪竴鑸榪囩▼鍙浠ュぇ鑷村垎涓轟互涓嬪嚑涓姝ラわ細

1. 鏁版嵁鏀墮泦錛氶栧厛闇瑕佹敹闆嗘暟鎹銆傝繖鍙鑳藉寘鎷浠庡叕寮鏁版嵁婧愩佹暟鎹搴撱佹枃浠躲丄PI絳夎幏鍙栨暟鎹銆備綘鍙鑳介渶瑕侀夋嫨閫傚綋鐨勬暟鎹鏀墮泦宸ュ叿鎴栧簱錛屽俻andas鐨剅ead_csv鍑芥暟鎴杛equests搴撴潵浠庣綉絝欒幏鍙栨暟鎹銆

2. 鏁版嵁娓呮礂錛氭敹闆嗗埌鐨勬暟鎹鍙鑳藉瓨鍦ㄧ己澶卞箋侀敊璇鍊箋侀噸澶嶅肩瓑闂棰橈紝闇瑕佽繘琛屾竻媧椼傝繖涓姝ラ氬父鍖呮嫭鍒犻櫎閲嶅嶈屻佸～鍏呯己澶卞箋佸勭悊寮傚父鍊肩瓑銆傚彲浠ヤ嬌鐢≒ython鐨刾andas搴撹繘琛屾暟鎹娓呮礂銆

3. 鏁版嵁棰勫勭悊錛氭暟鎹棰勫勭悊鍖呮嫭鏁版嵁鏍囧噯鍖栥佸綊涓鍖栥佺紪鐮佽漿鎹㈢瓑姝ラわ紝浠ヤ究浜庡悗緇鐨勬暟鎹鍒嗘瀽銆傚彲浠ヤ嬌鐢≒ython鐨刾andas搴撹繘琛屾暟鎹棰勫勭悊銆

4. 鐗瑰緛鎻愬彇錛氭牴鎹鐮旂┒闂棰樺拰鏁版嵁鐗圭偣錛屼粠鏁版嵁涓鎻愬彇鍑烘湁鐢ㄧ殑鐗瑰緛銆傝繖鍙鑳藉寘鎷鏁板肩壒寰併佸垎綾葷壒寰併佹椂闂村簭鍒楃壒寰佺瓑銆傚彲浠ヤ嬌鐢≒ython鐨剆klearn搴撹繘琛岀壒寰佹彁鍙栥

5. 妯″瀷閫夋嫨涓庤緇冿細鏍規嵁鐮旂┒闂棰樺拰鏁版嵁鐗圭偣錛岄夋嫨鍚堥傜殑鏈哄櫒瀛︿範妯″瀷榪涜岃緇冦傚父瑙佺殑鏈哄櫒瀛︿範妯″瀷鍖呮嫭綰挎у洖褰掋侀昏緫鍥炲綊銆佸喅絳栨爲銆侀殢鏈烘．鏋椼佺炵粡緗戠粶絳夈傚彲浠ヤ嬌鐢≒ython鐨剆klearn搴撹繘琛屾ā鍨嬭緇冦

6. 妯″瀷璇勪及錛氫嬌鐢ㄩ傚綋鐨勬柟娉曞規ā鍨嬭繘琛岃瘎浼幫紝濡傚噯紜鐜囥佸彫鍥炵巼銆丄UC-ROC絳夋寚鏍囥傝瘎浼扮粨鏋滃彲浠ュ府鍔╀綘浜嗚В妯″瀷鐨勬ц兘錛屼粠鑰岃繘琛岃皟鏁村拰浼樺寲銆

7. 妯″瀷搴旂敤涓庝紭鍖栵細灝嗘ā鍨嬪簲鐢ㄤ簬瀹為檯闂棰樹腑錛屽苟鏍規嵁搴旂敤緇撴灉瀵規ā鍨嬭繘琛屼紭鍖栧拰璋冩暣銆

鎷撳睍鐭ヨ瘑錛

Python鐢辮嵎鍏板浗瀹舵暟瀛︿笌璁＄畻鏈虹戝︾爺絀朵腑蹇冪殑鍚夊·鑼冪綏鑻忓嗕簬1990騫翠唬鍒濊捐★紝浣滀負涓闂ㄥ彨浣淎BC璇璦鐨勬浛浠ｅ搧銆侾ython鎻愪緵浜嗛珮鏁堢殑楂樼駭鏁版嵁緇撴瀯錛岃繕鑳界畝鍗曟湁鏁堝湴闈㈠悜瀵硅薄緙栫▼銆侾ython璇娉曞拰鍔ㄦ佺被鍨嬶紝浠ュ強瑙ｉ噴鍨嬭璦鐨勬湰璐錛屼嬌瀹冩垚涓哄氭暟騫沖彴涓婂啓鑴氭湰鍜屽揩閫熷紑鍙戝簲鐢ㄧ殑緙栫▼璇璦錛岄殢鐫鐗堟湰鐨勪笉鏂鏇存柊鍜岃璦鏂板姛鑳界殑娣誨姞錛岄愭笎琚鐢ㄤ簬鐙絝嬬殑銆佸ぇ鍨嬮」鐩鐨勫紑鍙戙

Python鍦ㄥ悇涓緙栫▼璇璦涓姣旇緝閫傚悎鏂版墜瀛︿範錛孭ython瑙ｉ噴鍣ㄦ槗浜庢墿灞曪紝鍙浠ヤ嬌鐢–銆丆++鎴栧叾浠栧彲浠ラ氳繃C璋冪敤鐨勮璦鎵╁睍鏂扮殑鍔熻兘鍜屾暟鎹綾誨瀷銆侾ython涔熷彲鐢ㄤ簬鍙瀹氬埗鍖栬蔣浠朵腑鐨勬墿灞曠▼搴忚璦銆侾ython涓板瘜鐨勬爣鍑嗗簱錛屾彁渚涗簡閫傜敤浜庡悇涓涓昏佺郴緇熷鉤鍙扮殑婧愮爜鎴栨満鍣ㄧ爜銆

『伍』 如何將python生成的決策樹畫出來

示例
# http://scikit-learn.org/stable/moles/tree.html
>>> from IPython.display import Image
>>> dot_data = tree.export_graphviz(clf, out_file=None,
feature_names=iris.feature_names,
class_names=iris.target_names,
filled=True, rounded=True,
special_characters=True)
>>> graph = pydotplus.graph_from_dot_data(dot_data)
>>> Image(graph.create_png())

『陸』 向大神求教！python寫的決策樹的ID3演算法怎麼一直提示bestfeat=labels[bestfeat_index]超出索引啊！

1、對當前訓練集，計算各屬性的信息增益（假設有屬性A1,A2,…An）；
2、選擇信息增益最大的屬性Ak（1<=k<=n），作為根節點；
3、把在Ak處取值相同的例子歸於同一子集，作為該節點的一個樹枝，Ak取幾個值就得幾個子集；
4、若在某個子集中的所有樣本都是屬於同一個類型（本位只討論正(Y)、反(N)兩種類型的情況），則給該分支標上類型號作為葉子節點；
5、對於同時含有多種（兩種）類型的子集，則遞歸調用該演算法思路來完成樹的構造。

『柒』 python sklearn決策樹的圖怎麼畫

#coding=utf-8

from sklearn.datasets import load_iris
from sklearn import tree

iris = load_iris()
clf = tree.DecisionTreeClassifier()
clf = clf.fit(iris.data, iris.target)

from sklearn.externals.six import StringIO
import pydot

dot_data = StringIO()
tree.export_graphviz(clf, out_file=dot_data)
graph = pydot.graph_from_dot_data(dot_data.getvalue())
graph[0].write_dot('iris_simple.dot')
graph[0].write_png('iris_simple.png')