Nano Hash - криптовалюты, майнинг, программирование

Существуют ли библиотеки для небинарных деревьев решений в python?

Поэтому я ищу какую-то библиотеку, в которой есть реализация алгоритма небинарного дерева решений. Например, я хочу классифицировать зоопарк (https://www.kaggle.com/uciml/zoo-animal-classification/data), используя алгоритм дерева решений. До сих пор я нашел метод sklearn (DecisionTreeClassifier):

from sklearn.tree import DecisionTreeClassifier
dtree=DecisionTreeClassifier()

Но он строит бинарное дерево: Часть дерева результатов

И набор зоопарка имеет категориальные данные, поэтому я думаю, что здесь лучше использовать небинарное дерево (это не точка, но, пожалуйста, поправьте меня, если я ошибаюсь). Итак, мой вопрос: Есть ли какие-либо библиотеки в Python для построения дерева решений, как показано на следующем рисунке: часть небинарного дерева решений для набора данных зоопарка

Это нормально, даже если вывод без применения каких-либо инструментов рисования будет в виде простого словаря, такого как этот:

{'legs': {0: {'fins': {0.0: {'toothed': {0.0: 7.0, 1.0: 3.0}},
                       1.0: {'eggs': {0.0: 1.0, 1.0: 4.0}}}},
          2: {'hair': {0.0: 2.0, 1.0: 1.0}},
          4: {'hair': {0.0: {'aquatic': {0.0: 3.0,
                                         1.0: {'toothed': {0.0: 7.0,
                                                           1.0: 5.0}}}},
                       1.0: 1.0}},
          5: 7.0,
          6: {'aquatic': {0.0: 6.0, 1.0: 7.0}},
          8: 7.0}}

Ответы:


1

То, что вам нужно, это просто более конкретный способ представления двоичного дерева.

Дерево, которое вы показали, можно переписать как бинарное дерево.

Если у вас есть категориальные данные, просто используйте OneHotEncoder.

10.12.2019
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..