决策树的预测误差

Question

我正在使用决策树学习器 algorithm 来构建我的决策树并在数据集上对其进行测试。

我也在尝试计算我的树的预测错误率，所以我可以绘制一个图表，其中包含我的测试和训练集的学习曲线。我做了一个循环，我的算法被应用了 n 次（n 任意）。我的变量 internal_nodes 存储生成的内部节点数（这将是我在学习曲线图中的横坐标）并且我在每次调用时返回它。

我创建 count_error() 来衡量预测值和期望值之间的差异。

def count_errors(examples, target, tree):
    counter = 0
    for ex in examples: # examples is a list that contains list of example
        desired = ex[target]
        predicted = tree(ex) # use __call__(self,example) to obtain leaf value
        if desired != predicted:
            counter += 1
    return float(counter / len(examples)) * float(100)`

def __call__(self, example):
    """Given an example, classify it using the attribute and the branches."""
    attrvalue = example[self.attr] #attr is a list of integers that index into an example
    return self.branches[attrvalue](example)

发生的错误始终为 0。我用一次迭代测试了我的算法，似乎它有效。我认为错误在于我如何计算错误。完整的存储库在我的 github.

感谢您的帮助。

Answer 1

你计算误差率的时候好像有整数除法。试试这个：

return float(counter) / len(examples) * float(100)

决策树的预测误差

Prediction error of a decision tree

algorithm

python-2.7

decision-tree

supervised-learning