Merge pull request #58 from jiangzhonglian/master

更新9 树回归的注释

docs/7.利用AdaBoost元算法提高分类.md

@@ -11,6 +11,7 @@
     * 2. 每个数据集都是通过在原始数据集中随机选择一个样本来进行替换(替换：意味着可以多次选择同一个样本，也就有重复值)而得到的。
     * 3. 该算法作用的数据集就会得到S个分类器，与此同时，选择分类器投票结果中最多的类别作为最后的分类结果。
     * 4. 例如：随机森林(random forest)
+    * 追美女：美女选择择偶对象的时候，会问几个闺蜜的建议，最后选择一个综合得分最高的一个作为男朋友
 * boosting
     * boosting是一种与bagging很类似的技术。不论是boosting还是bagging当中，所使用的多个分类器的类型都是一致的。
     * 区别是什么？
@@ -19,6 +20,7 @@
     * 3. 由于boosting分类的结果是基于所有分类器的加权求和结果的，因此boosting与bagging不太一样。
     * 4. bagging中的分类器权重是相等的，而boosting中的分类器权重并不相等，每个权重代表的是其对应分类器在上一轮迭代中的成功度。
     * 目前boosting方法最流行的版本是： AdaBoost。
+    * 追美女：第1个帅哥失败->(传授经验：姓名、家庭情况) 第2个帅哥失败->(传授经验：兴趣爱好、性格特点) 第3个帅哥成功
 * AdaBoost(adaptive boosting: 自适应boosting)
     * 能否使用弱分类器和多个实例来构建一个强分类器？ 这是一个非常有趣的理论问题。
     * 优点：泛化错误率低，易编码，可以应用在大部分分类器上，无参数调节。

docs/9.树回归.md

@@ -3,7 +3,7 @@
 
 * 树回归是什么？
     * 分类回归树(Classification and Regression Tree，CART)是一种典型的决策树算法，CART算法不仅可以应用于分类问题，而且可以用于回归问题。
-    * CART算法构建的回归树并介绍其中的树剪枝技术(该技术主要的目的是防止数的过拟合)
+    * CART算法构建的回归树并介绍其中的树剪枝技术(该技术主要的目的是防止树的过拟合)
 * 树回归的构建
     * 优点：可以对复杂和非线性的数据建模。
     * 缺点：结果不易理解。

src/python/09.RegTrees/regTrees.py

@@ -77,10 +77,10 @@ def chooseBestSplit(dataSet, leafType=regLeaf, errType=regErr, ops=(1, 4)):
     """chooseBestSplit(用最佳方式切分数据集 和 生成相应的叶节点)
 
     Args:
-        dataSet 数据集
-        leafType 计算叶子节点的函数
-        errType 求总方差
-        ops [容许误差下降值，切分的最少样本数]
+        dataSet   加载的原始数据集
+        leafType  建立叶子点的函数
+        errType   误差计算函数(求总方差)
+        ops       [容许误差下降值，切分的最少样本数]
     Returns:
         bestIndex feature的index坐标
         bestValue 切分的最优值
@@ -128,6 +128,16 @@ def chooseBestSplit(dataSet, leafType=regLeaf, errType=regErr, ops=(1, 4)):
 
 # assume dataSet is NumPy Mat so we can array filtering
 def createTree(dataSet, leafType=regLeaf, errType=regErr, ops=(1, 4)):
+    """createTree(获取回归树)
+
+    Args:
+        dataSet      加载的原始数据集
+        leafType     建立叶子点的函数
+        errType      误差计算函数
+        ops=(1, 4)   [容许误差下降值，切分的最少样本数]
+    Returns:
+        retTree    决策树最后的结果
+    """
     # 选择最好的切分方式： feature索引值，最优切分值
     # choose the best split
     feat, val = chooseBestSplit(dataSet, leafType, errType, ops)
@@ -137,7 +147,7 @@ def createTree(dataSet, leafType=regLeaf, errType=regErr, ops=(1, 4)):
     retTree = {}
     retTree['spInd'] = feat
     retTree['spVal'] = val
-    # 大于在右边，小于在左边
+    # 大于在右边，小于在左边，分为2个数据集
     lSet, rSet = binSplitDataSet(dataSet, feat, val)
     # 递归的进行调用
     retTree['left'] = createTree(lSet, leafType, errType, ops)
@@ -161,21 +171,25 @@ def getMean(tree):
 
 # 检查是否适合合并分枝
 def prune(tree, testData):
-    # 判断是否测试数据集没有数据
+    # 判断是否测试数据集没有数据，如果没有，就直接返回tree本身的均值
     if shape(testData)[0] == 0:
         return getMean(tree)
-    # 对测试进行分支，看属于哪只分支，然后返回tree结果的均值
+
+    # 判断分枝是否是dict字典，如果是就将测试数据集进行切分
     if (isTree(tree['right']) or isTree(tree['left'])):
         lSet, rSet = binSplitDataSet(testData, tree['spInd'], tree['spVal'])
+    # 如果是左边分枝是字典，就传入左边的数据集和左边的分枝，进行递归
     if isTree(tree['left']):
         tree['left'] = prune(tree['left'], lSet)
+    # 如果是右边分枝是字典，就传入左边的数据集和左边的分枝，进行递归
     if isTree(tree['right']):
         tree['right'] = prune(tree['right'], rSet)
 
-    # 如果左右两边无子分支，那么计算一下总方差 和 该结果集的本身不分枝的总方差比较
-    # 1.如果测试数据集足够大，将tree进行分支到最后
-    # 2.如果测试数据集不够大，那么就无法进行合并
-    # 注意返回的结果： 是合并后对原来为字典tree进行赋值，相当于进行了合并
+    # 如果左右两边同时都不是dict字典，那么分割测试数据集。
+    # 1. 如果正确 
+    #   * 那么计算一下总方差 和 该结果集的本身不分枝的总方差比较
+    #   * 如果 合并的总方差 < 不合并的总方差，那么就进行合并
+    # 注意返回的结果： 如果可以合并，原来的dict就变为了 数值
     if not isTree(tree['left']) and not isTree(tree['right']):
         lSet, rSet = binSplitDataSet(testData, tree['spInd'], tree['spVal'])
         # power(x, y)表示x的y次方
@@ -274,27 +288,28 @@ if __name__ == "__main__":
     # mat0, mat1 = binSplitDataSet(testMat, 1, 0.5)
     # print mat0, '\n-----------\n', mat1
 
-    # 回归树
+    # # 回归树
     # myDat = loadDataSet('testData/RT_data1.txt')
-    # myDat = loadDataSet('testData/RT_data2.txt')
+    # # myDat = loadDataSet('testData/RT_data2.txt')
     # myMat = mat(myDat)
     # myTree = createTree(myMat)
+    # print myTree
 
-    # 1. 预剪枝就是，提起设置最大误差数和最少元素数
+    # # 1. 预剪枝就是：提起设置最大误差数和最少元素数
     # myDat = loadDataSet('testData/RT_data3.txt')
     # myMat = mat(myDat)
     # myTree = createTree(myMat, ops=(0, 1))
     # print myTree
 
-    # 2.后剪枝
+    # # 2.后剪枝就是：通过测试数据，对预测模型进行合并判断
     # myDatTest = loadDataSet('testData/RT_data3test.txt')
     # myMat2Test = mat(myDatTest)
     # myFinalTree = prune(myTree, myMat2Test)
     # print '\n\n\n-------------------'
     # print myFinalTree
 
-    # --------
-    # 模型树求解
+    # # --------
+    # # 模型树求解
     # myDat = loadDataSet('testData/RT_data4.txt')
     # myMat = mat(myDat)
     # myTree = createTree(myMat, modelLeaf, modelErr)
@@ -315,11 +330,11 @@ if __name__ == "__main__":
     print myTree2
     print "模型树:", corrcoef(yHat2, testMat[:, 1],rowvar=0)[0, 1]
 
-    # 线性回归
-    ws, X, Y = linearSolve(trainMat)
-    print ws
-    m = len(testMat[:, 0])
-    yHat3 = mat(zeros((m, 1)))
-    for i in range(shape(testMat)[0]):
-        yHat3[i] = testMat[i, 0]*ws[1, 0] + ws[0, 0]
-    print "线性回归:", corrcoef(yHat3, testMat[:, 1],rowvar=0)[0, 1]
+    # # 线性回归
+    # ws, X, Y = linearSolve(trainMat)
+    # print ws
+    # m = len(testMat[:, 0])
+    # yHat3 = mat(zeros((m, 1)))
+    # for i in range(shape(testMat)[0]):
+    #     yHat3[i] = testMat[i, 0]*ws[1, 0] + ws[0, 0]
+    # print "线性回归:", corrcoef(yHat3, testMat[:, 1],rowvar=0)[0, 1]

src/python/09.RegTrees/treeExplore.py

@@ -5,7 +5,7 @@
 Created on 2017-03-08
 Update on 2017-03-08
 Tree-Based Regression Methods Source Code for Machine Learning in Action Ch. 9
-@author: jiangzhonglian
+@author: Peter/片刻
 '''
 import regTrees
 from Tkinter import *