ID3 모델 구현_Python(2)_전체모델

0. 전체 코드 구현

-주석을 다 뺐으며, 밑의 코드분석에는 주석을 달아 놓았습니다.

ID3 모델 구현 Tree 의 마지막 단계 글입니다.

https://guru.tistory.com/entry/ID3-%EB%AA%A8%EB%8D%B8-%EA%B5%AC%ED%98%84Python

ID3 모델 구현_Python

import numpy as np
import pandas as pd
eps = np.finfo(float).eps
from numpy import log2 as log

outlook = 'overcast,overcast,overcast,overcast,rainy,rainy,rainy,rainy,rainy,sunny,sunny,sunny,sunny,sunny'.split(',')
temp = 'hot,cool,mild,hot,mild,cool,cool,mild,mild,hot,hot,mild,cool,mild'.split(',')
humidity = 'high,normal,high,normal,high,normal,normal,normal,high,high,high,high,normal,normal'.split(',')
windy = 'FALSE,TRUE,TRUE,FALSE,FALSE,FALSE,TRUE,FALSE,TRUE,FALSE,TRUE,FALSE,FALSE,TRUE'.split(',')
play = 'yes,yes,yes,yes,yes,yes,no,yes,no,no,no,no,yes,yes'.split(',')

dataset = {'outlook': outlook, "temp": temp, "humidity":humidity, "windy":windy, "play":play}
df = pd.DataFrame(dataset, columns = ['outlook','temp','humidity','windy','play'])

df

def find_entropy(df):
    Class = df.keys()[-1]   
    entropy = 0
    values = df[Class].unique()
    for value in values:
        fraction = df[Class].value_counts()[value]/len(df[Class])
        entropy += -fraction*np.log2(fraction)
    return entropy

def find_entropy_attribute(df,attribute):
    Class = df.keys()[-1]
    target_variables = df[Class].unique()
    variables = df[attribute].unique()
    entropy2 = 0
    for variable in variables:
        entropy = 0
        for target_variable in target_variables:
            num = len(df[attribute][df[attribute] == variable][df[Class]==target_variable])
            den = len(df[attribute][df[attribute] == variable])
            fraction = num/(den+eps)
            entropy+= -fraction*log(fraction)
        fraction2 = den/len(df)
        entropy2 += -fraction2*entropy
    return entropy2

def find_winner(df):
    Entropy_att = []
    IG = []
    for key in df.keys()[:-1]:
        IG.append(find_entropy(df)-find_entropy_attribute(df,key))
    return df.keys()[:-1][np.argmax(IG)]

def get_subtable(df,node,value):
    return df[df[node] == value].reset_index(drop=True)

def buildTree(df,tree=None): 
    Class = df.keys()[-1] 
    node = find_winner(df)
    attValue = np.unique(df[node])
    
    #Create an empty dictionary to create tree    
    if tree is None:                    
        tree={}
        tree[node] = {}
    
    for value in attValue:
        
        subtable = get_subtable(df,node,value)
        clValue,counts = np.unique(subtable[Class],return_counts=True)                        
        
        if len(counts)==1:
            tree[node][value] = clValue[0]                                                    
        else:        
            tree[node][value] = buildTree(subtable) 
                   
    return tree

 

1. 데이터 로딩

-앞선 데이터를 그대로 사용하여 pandas 라이브러리에 로딩 시킨다.

In [1]:

import numpy as np
import pandas as pd
# eps 란 numpy에서 가장 작은 수를 의미하는 수이다.
eps = np.finfo(float).eps
from numpy import log2 as log

In [2]:

# data set 을 생성해준다. 날씨 데이터 안에는 outlook(날씨),temp(온도)
# humidity(습기),windy(바람),play(경기를 하는지 여부) 에 관한 속성들이 담겨있다.
outlook = 'overcast,overcast,overcast,overcast,rainy,rainy,rainy,rainy,rainy,sunny,sunny,sunny,sunny,sunny'.split(',')
temp = 'hot,cool,mild,hot,mild,cool,cool,mild,mild,hot,hot,mild,cool,mild'.split(',')
humidity = 'high,normal,high,normal,high,normal,normal,normal,high,high,high,high,normal,normal'.split(',')
windy = 'FALSE,TRUE,TRUE,FALSE,FALSE,FALSE,TRUE,FALSE,TRUE,FALSE,TRUE,FALSE,FALSE,TRUE'.split(',')
play = 'yes,yes,yes,yes,yes,yes,no,yes,no,no,no,no,yes,yes'.split(',')

dataset = {'outlook': outlook, "temp": temp, "humidity":humidity, "windy":windy, "play":play}
df = pd.DataFrame(dataset, columns = ['outlook','temp','humidity','windy','play'])

In [3]:

df

Out[3]:

	outlook	temp	humidity	windy	play
0	overcast	hot	high	FALSE	yes
1	overcast	cool	normal	TRUE	yes
2	overcast	mild	high	TRUE	yes
3	overcast	hot	normal	FALSE	yes
4	rainy	mild	high	FALSE	yes
5	rainy	cool	normal	FALSE	yes
6	rainy	cool	normal	TRUE	no
7	rainy	mild	normal	FALSE	yes
8	rainy	mild	high	TRUE	no
9	sunny	hot	high	FALSE	no
10	sunny	hot	high	TRUE	no
11	sunny	mild	high	FALSE	no
12	sunny	cool	normal	FALSE	yes
13	sunny	mild	normal	TRUE	yes

 

 

 

 

 

2. find_entropy(df) 함수 

- find_entropy(df) 함수의 구현이다. df["play"] 의 'yes' 와 'No'를 기준으로 나눈 엔트로피값을 계산.

In [4]:

def find_entropy(df):
	#Class 내부에 df.keys()[:-1]로 df["play"]속성값들을 넣어준다.
    Class = df.keys()[-1]   
    entropy = 0
    values = df[Class].unique()
    #values 를 통해 df[Class] 내부의 entropy 계산 한다. 계산과정은 전과 동일
    for value in values:
        fraction = df[Class].value_counts()[value]/len(df[Class])
        entropy += -fraction*np.log2(fraction)
    return entropy

 

 

 

 

 

3. find_entrophy_attribute 함수 구현

- finde_entrophy_attribute 함수는 df, attribute를 받아 , df내부의 attribute 속성을 기준으로 나누었을때, df의 entropy 값이 어떻게 바뀌는지를 return 해주는 함수이다.

 

In [5]:

def find_entropy_attribute(df,attribute):
    Class = df.keys()[-1]
    target_variables = df[Class].unique()
    variables = df[attribute].unique()
    entropy2 = 0
    for variable in variables:
        entropy = 0
        #target_variables 즉 "yes", "no"를 기준으로 엔트로피를 계산해준다.
        for target_variable in target_variables:
            num = len(df[attribute][df[attribute] == variable][df[Class]==target_variable])
            den = len(df[attribute][df[attribute] == variable])
            fraction = num/(den+eps)
            entropy+= -fraction*log(fraction)
        # fraction2 는 attribute가 df에서 얼마만큼의 비율에 해당하는지를 곱해준다.
        fraction2 = den/len(df)
        entropy2 += -fraction2*entropy
    return entropy2

 

 

 

 

 

4. find_winner 함수 구현

-find_winner 함수는 df 내부에서 attribute 속성값을 기준으로 나뉘었을때, 어떤 attribute가 가장 큰 entropy 감소량이 있는 지 확인 후,  attribute 를 return 한다.

In [6]:

def find_winner(df):
    Entropy_att = []
    IG = []
    for key in df.keys()[:-1]:
        IG.append(find_entropy(df)-find_entropy_attribute(df,key))
    return df.keys()[:-1][np.argmax(IG)]

 

outlook기준으로 나뉘게 되었을때, 트리 모형

 

 

 

5. get_substable 함수 구현

- get_substable 함수는 df의 값중에서 node값(속성값)이 value와 같은 값들을 drop 해준다.

- 즉, get_substable(df,"outlook","sunny") 이면, df[df["outlook"] == "sunny" 인 값들만 따로 빼내어 return 해준다.

In [7]:

def get_subtable(df,node,value):
    return df[df[node] == value].reset_index(drop=True)

 

 

 

 

 

 

6. Tree 모델 구현

- tree 모델 구현이다. tree 는 따로 클래스를 지정해주지 않고, 그냥 함수로 정의하여, tree 를 구현해주었다.

- tree 가 처음 주어 지지 않았다면 dict 형태를 만들어주고, df[node(attribute,즉 속성값이 들어감) : {내부의 값들}] 의 형태로 tree 를 만들어주게 되었다.

In [8]:

def buildTree(df,tree=None): 
    Class = df.keys()[-1] 
    node = find_winner(df)
    attValue = np.unique(df[node])
    
    # 빈 트리를 생성해준다.
    if tree is None:                    
        tree={}
        tree[node] = {}
    
    for value in attValue:
        
        subtable = get_subtable(df,node,value)
        # subtable을 기준으로 subtable["play"] 값이 "yes" 이거나 "no"밖에 없다면
        # counts = 1 이게 되어, tree[node][value] = clValue("yes" 또는 "no")값을 가지게 된다.
        # "yes","no" 섞여 있다면 counts=2, subtable을 기준으로 다시 나누어준다..
        clValue,counts = np.unique(subtable[Class],return_counts=True)                        
        
        if len(counts)==1:
            tree[node][value] = clValue[0]                                                    
        else:        
            tree[node][value] = buildTree(subtable) 
                   
    return tree

In [9]:

t = buildTree(df)

 

<ipython-input-5-45e83dca9d92>:12: RuntimeWarning: divide by zero encountered in log2
  entropy+= -fraction*log(fraction)
<ipython-input-5-45e83dca9d92>:12: RuntimeWarning: invalid value encountered in double_scalars
  entropy+= -fraction*log(fraction)

 

 

 

 

 

 

7. 최종 df 의 tree 값들

In [10]:

t

Out[10]:

{'outlook': {'overcast': 'yes',
  'rainy': {'windy': {'FALSE': 'yes', 'TRUE': 'no'}},
  'sunny': {'temp': {'cool': 'yes',
    'hot': 'no',
    'mild': {'humidity': {'high': 'no', 'normal': 'yes'}}}}}}