Python 如何存储决策树

我尝试了几种不同的方法，其中一些是我在这里找到的，包括创建节点类和嵌套字典，但我似乎无法让它们工作

我的代码目前接收了几行DNA（a、t、g、c），然后存储为numpy数组。然后，它会找到增益最大的属性，并将数据拆分为4个新的numpy数组（取决于属性处存在的a、t、g或c）

我无法生成可以构建树的递归函数。我对python和编程本身都很陌生，所以请详细描述我应该做什么

---

感谢您的帮助

如果您希望在python中使用决策树，您可以使用Sci工具包学习中的决策树模块，而不是编写自己的决策树类和逻辑：。使用Scikit学习决策树模块，您可以将决策树对象保存到内存中，或者将树的某些属性写入文件或数据库

Sci kit learn以及作为Anacondas包一部分的其他python库几乎都是python中数据探索和分析的标准。您可以从Continuum获得Anaconda软件包：

编辑1

我是在黑客新闻上看到的。它是关于使用PostgreSQL作为从中提取值的数据库，在Python中构建决策树。结帐时可能会感兴趣：

---

如果您想从头开始实现决策树，我建议您使用类构建决策树。树由节点组成，其中一个节点递归地包含节点，而叶子是终端节点。对于二叉树，这些类可以是：

class Node(object):
    def __init__(self):
        self.split_variable = None
        self.left_child = None
        self.right_child = None

    def get_name(self):
        return 'Node'

class Leaf(object):
    def __init__(self):
        self.value = None

    def get_name(self):
        return 'Leaf'

对于节点类：“split_variable”将包含拆分中使用的变量名，即：[a、t、g、c]，而“left_child”和“right_child”将是节点或叶的新实例。该变量的真/假存在将映射到左/右子级。（对于回归树，您需要向节点类“split_value”添加第四个变量，并将小于/大于此值的值映射到左/右子级）

对于叶类：“值”包含树类变量的赋值（即离散变量的多数值或连续变量的平均值）

为了完成您的实现，您需要函数来遍历您的树，并对其进行评估和/或可视化。这些函数将被递归调用以完成遍历树。在这里，您可以使用类的get_name（）函数来区分节点和叶。要实现这一部分，它实际上取决于您如何存储数据，我建议您使用类似于表的数据帧。示例求值函数可以是（伪代码）：

---

祝你好运

可能dict就是您想要的：

节点的一个示例是：

{'sex': {'yes': 'send email', 'no': 'not send email'}}

---

也许这里有一些帮助：你能给出一个更详细的逻辑如何工作的例子吗？这是我想要的，但我真的很想自己学习如何实现决策树。我问过一些程序员同事，他们建议使用类。然而，我仍然有点忘记了如何实现“类节点：”以获得我想要的结果。一个很好的开始是下载scikit学习源代码，看看它们如何实现决策树——这是我以前用Numpy和矩阵乘法做过的事情。您可能不会像scikit学习的那样编写速度快或优化的代码，但您会理解它是如何实现的。

{'sex': {'yes': 'send email', 'no': 'not send email'}}