def makeTreeFull(satisfy_lists,datasets,myTree, labels_full, parentClass, default):
print("－－－－－－－－－－－－－－进入makeTreeFull函数－－－－－－－－－－－－－－－－－")
print("１入口satisfy_lists=",satisfy_lists)
print("-------------------------------")
# print("myTree=",myTree)
print("prarentClass=",parentClass)
print("-------------------------------")
"""
将数中的不存在的特征标签进行补全，补全为父节点中出现最多的类别
:param myTree: 生成的树
:param labels_full: 特征的全部标签
:param parentClass: 父节点中所含最多的类别
:param default: 如果父节点没有类别，而此时又有缺失的标签，默认标签分类设置为default
:return:
"""
# 拿到当前的根节点☆☆☆☆☆☆☆☆☆
root_key = list(myTree.keys())[0]
# 得到根节点对应的子树，也就是key对应的内容
sub_tree = myTree[root_key]
# 如果是叶子节点就结束
if isinstance(sub_tree, str):
return
###########################################
###########################################
# 循环遍历全部特征标签，将不存在标签添加进去
for label in labels_full[root_key]:
if label not in sub_tree.keys():
# 如果此时父标签最多的分类不为None，则将新的标签设置为父标签
if parentClass is not None:
sub_tree[label] = parentClass+"(虚)"#这里加了个虚,表示该叶子节点对应的训练集数据不存在
# 否则设置为default
else:
sub_tree[label] = default
# 当前层对应的分类列表
current_class = []
# 循环遍历一下子树，找到类别最多的那个，如果此时没有分类的话就是None
# for sub_key in sub_tree.keys():
# if isinstance(sub_tree[sub_key], str):#如果是叶子节点
# current_class.append(sub_tree[sub_key])
# 找到本层出现最多的类别，作为parentLabel传递给下一次递归
#这里的"层"指的是包含根节点的这一层
print("current_class=",current_class)
print("myTree=",myTree)
print("collections.Counter(current_class)=",collections.Counter(current_class))
#这里的current class指的是类别标签列表,里面可以有各种类别,诸如[好瓜,坏瓜]等
# if len(current_class):
# most_class = collections.Counter(current_class).most_common(1)[0][0]
print("２入口satisfy_lists=",satisfy_lists)
if satisfy_lists!=[]:
datasete,most_class=most_class_computes(datasets,satisfy_lists)
#等号左侧的ｄａｔａｓｅｔｓ是满足新的特征取值
else:
most_class = None
print("离开２入口satisfy_lists=",satisfy_lists)
print("most_class=",most_class)
# 递归处理
for sub_key in sub_tree.keys():
ｐｒｉｎｔ("－－－－－－－－－－－－－－－－进入ｆｏｒ循环－－－－－－－－－－－－－－")
#这里的ｓｕｂ_key是树枝的取值
#所以这个ｆｏｒ循环在遍历当前根节点的每个树枝
# 也就是在遍历当前特征的每种取值
if isinstance(sub_tree[sub_key], dict):#如果子树不是叶子节点
ｐｒｉｎｔ("－－－－－－－－－－－－－－递归调用前－－－－－－－－－－－－－－")
temp=satisfy_lists.copy()
ｐｒｉｎｔ("satisfy_lists=",satisfy_lists)
satisfy_lists.append(sub_key)
makeTreeFull(ｓａｔｉｓｆｙ＿ｌｉｓｔｓ,dataSet,myTree=sub_tree[sub_key], labels_full=labels_full, parentClass=most_class, default=default)
satisfy_lists=temp
def makeTreeFull(satisfy_lists, datasets, myTree, labels_full, parentClass,
default):
print("－－－－－－－－－－－－－－进入makeTreeFull函数－－－－－－－－－－－－－－－－－")
print("１入口satisfy_lists=", satisfy_lists)
print("-------------------------------")
print("myTree=", myTree)
print("prarentClass=", parentClass)
print("-------------------------------")
"""
将数中的不存在的特征标签进行补全，补全为父节点中出现最多的类别
:param myTree: 生成的树
:param labels_full: 特征的全部标签
:param parentClass: 父节点中所含最多的类别
:param default: 如果父节点没有类别，而此时又有缺失的标签，默认标签分类设置为default
:return:
"""
# 拿到当前的根节点☆☆☆☆☆☆☆☆☆
root_key = ''
for item in myTree.keys():
if item != 'Entropy=':
root_key = item
# root_key = list(myTree.keys())[0]
# 得到根节点对应的子树，也就是key对应的内容
sub_tree = myTree[root_key]
# 如果是叶子节点就结束
if isinstance(sub_tree, str):
print "如果认为是叶子节点"
return
if satisfy_lists != []:
print("-----------------进入most_class_computes------------------------")
print("satisfy_lists=", satisfy_lists)
datasete, most_class = most_class_computes(datasets, satisfy_lists)
print("most_class=", most_class)
print("-----------------离开most_class_computes-----------------------")
#等号左侧的ｄａｔａｓｅｔｓ是满足新的特征取值
else:
most_class = None
print("离开２入口satisfy_lists=", satisfy_lists)
print("most_class=", most_class)
parentClass = most_class
###########################################
# 循环遍历全部特征标签，将不存在标签添加进去
for label in labels_full[root_key]:
if label not in sub_tree.keys():
print "查看是否存在该标签=", label
print("parentClass=", parentClass)
# 如果此时父标签最多的分类不为None，则将新的标签设置为父标签
if parentClass is not None:
# sub_tree[label] = parentClass+"(虚)"#这里加了个虚,表示该叶子节点对应的训练集数据不存在
sub_tree[label] = parentClass
# 否则设置为default
else:
sub_tree[label] = default
print("离开２入口satisfy_lists=", satisfy_lists)
print("most_class=", most_class)
# 递归处理
for sub_key in sub_tree.keys():
print "树枝sub_key=", sub_key
print "most_class=", most_class
print "sub_tree[sub_key]=", sub_tree[sub_key]
print("－－－－－－－－－－－－－－－－进入ｆｏｒ循环☆－－－－－－－－－－－－－－")
#这里的ｓｕｂ_key是树枝的取值
#所以这个ｆｏｒ循环在遍历当前根节点的每个树枝
# 也就是在遍历当前特征的每种取值
if isinstance(sub_tree[sub_key], dict): #如果子树不是叶子节点
print("－－－－－－－－－－－－－－递归调用前－－－－－－－－－－－－－－")
temp = copy.copy(satisfy_lists)
print("satisfy_lists=", satisfy_lists)
satisfy_lists.append(sub_key)
makeTreeFull(satisfy_lists,
dataSet,
myTree=sub_tree[sub_key],
labels_full=labels_full,
parentClass=most_class,
default=default)
satisfy_lists = temp