def generateTree(training, gain, objectiveValues, attributes = None):
usedAttributes = []
if attributes == None:
remainingAttributes = copy(attributeNames)
else:
remainingAttributes = copy(attributes)
root = Node(None)
root.height = 0
F = deque([root])
E = [root]
while len(F) > 0:
curr = F.popleft()
auxData = training
for filter in curr.filters:
auxData = auxData[ auxData[filter[0]] == filter[1]]
gainsPerAttribute = {}
if len(remainingAttributes) > 0:
for aName in remainingAttributes:
gainsPerAttribute[aName] = gain(training, [], obj, aName)
currAttName = max(gainsPerAttribute, key=lambda key: gainsPerAttribute[key])
remainingAttributes = [att for att in remainingAttributes if att != currAttName]
curr.value = currAttName
attValues = list(data[currAttName].unique())
# print(auxData)
for v in attValues:
child = Node(curr)
child.height = curr.height + 1
child.filters = copy(curr.filters)
child.filters.append([currAttName, v])
childAuxData = auxData[auxData[currAttName] == v]
# En este caso el subset para este nodo tiene ejemplos,
# es decir, hay casos que cumplen con este filtro
# más específico
if len(childAuxData) != 0:
## Acá me fijo si todos los elementos del conjunto
## que me queda agregándole el filtro de este nodo
## son del mismo valor del objetivo -> el nodo es hoja
leaf = False
for ov in objectiveValues:
if len(childAuxData[childAuxData[obj] == ov]) == len(childAuxData):
leaf = True
break
if leaf:
child.value = ov
else:
F.append(child)
# En este caso, no hay nodos que cumplan con este nuevo filtro:
# se crea una hoja cuyo valor es el más frecuente del atributo
# objetivo en el conjunto del padre
else:
child.value = findMostFrequentObjectiveValue(auxData, obj, objectiveValues)
curr.children[v] = child
E.append(child)
# Si no me quedan atributos, los nodos que quedan son hojas
else:
curr.value = findMostFrequentObjectiveValue(auxData, obj, objectiveValues)
return root
