如何在 scikit-learn 中设置 ID3 算法？答案

【问题标题】：How to set up ID3 algorith in scikit-learn?如何在 scikit-learn 中设置 ID3 算法？
【发布时间】：2015-08-28 18:27:29
【问题描述】：

对于各种类型的树（ID3、CART、C4.5）有一个 DecisionTreeClassifier，但我不明白应该传递哪些参数来模拟传统的 ID3 algorithm 行为？

【问题讨论】：

【解决方案1】：

文档说

scikit-learn 使用 CART 算法的优化版本。

因此您可能无法模拟教科书中的 ID3。

【讨论】：

【解决方案2】：

我不确定这是 sklearn 实现和 ID3 算法之间的唯一区别，但据我所知，您必须将 ID3 的标准从“gini”更改为“entropy”

DecisionTreeClassifier(criterion="entropy")

【讨论】：

您知道如何提供分类属性作为输入吗？例如，X = [[True, False, True], [False,False, True], [True, True, False]], Y = [Class1, Class2, Class3]。在示例中，它们仅显示数字数据。谢谢
@AnkurBhatia 老问题，但以防万一有人仍然想知道，scikit 目前只支持数字数据。有关更多详细信息，请参阅他们的文档：scikit-learn.org/stable/modules/tree.html#
要将分类数据转换为数值，您可以使用 scikit 的 preprocessing.OrdinalEncoder 以这种方式处理您的数据。
此外，它仍在使用 CART。仅使用熵而不是 gini 作为标准。

【解决方案3】：

通过以下方式使用 Id3Estimator：

from id3 import Id3Estimator
estimator = Id3Estimator()

然后拟合您的数据

estimator.fit(X, y)

【讨论】：