試驗三決策樹算法試驗試驗報告材料

1、實用標準文檔實驗三決策樹算法實驗一、實驗目的： 二、實驗原理： 三、實驗條件： 四、實驗內容：熟悉和掌握決策樹的分類原理、實質和過程；掌握典型的學習算法 決策樹學習和分類.和實現(xiàn)技術。根據(jù)現(xiàn)實生活中的原型自己創(chuàng)建一個簡單的決策樹。要求用這個決策樹能解決實際分類決策問題。五、實驗步驟：1、驗證性實驗：(1)算法偽代碼算法 Decision_Tree(data,AttributeName)輸入由離散值屬性描述的訓練樣本集data; 候選屬 T集合 AttributeName 。輸出一棵決策樹。(1)創(chuàng)建節(jié)點N;(2) If samples都在同一類 C中then (3) 返回N作為葉節(jié)點，以類C

2、標記；(4) If attribute_list為空then(5)返回N作為葉節(jié)點，以以test_attribute 標記節(jié)點(8) For each test_attribute(9)由節(jié)點N分出一個對應(6)選擇 attribute_listsamples中最普遍的類標記；/多數(shù)表決 N;的已知值v / 劃分samples ;test_attribute=v 的分支；中具有最高信息增益的屬性test_attribute;(10令Sv為samples中test_attribute=v 的樣本集合；/ 一個劃分塊(12)加上一個葉節(jié)點，以 samples中最普遍的類標記；(13) Else 加

3、入一個由 Decision_Tree(Sv,attribute_list-test_attribute)(11) If Sv 為空返回節(jié)點值。then(2)實驗數(shù)據(jù)預處理FEMAL- “1”； MALE- “2”Income： 50002 萬-“1”； 2萬4萬-“2”;Age:30歲以下標記為“ 1”； 30歲以上50歲以下標記為“ 2”； 50歲以上標記為“ 3”。Sex：4萬以上Region : INNER CITY“1； TOWN一 “2；RURAL一 “3；SUBURBAN一 “4”-3 Married Children Car文案大全實用標準文檔MortgagePep：以上五個條件

4、，若為“是”標記為“1”,若為“否”標記為“ 2”。 TOC o 1-5 h z Age sex region income married children car mortgage pep 1 2 1 1 2 1 1 2 2 12112222121412122121111222212111222212112121121211211221112112121312212121222122222122221121221121122121221211121222132121112211121112111322212131221222132331112132231211231331122132131

5、2122321311111文案大全實用標準文檔 TOC o 1-5 h z 311312112313312222324312211313322112(3) Matlab 語句：Tree RulesMatrix= DecisionTree(DataSet, AttributName)TK、實驗結果:文案大全實用標準文檔The Decision Tree:The Root):Attribut refisn21 Attribut Marriedjleaf 112.leaf 2|2leaf 2I3AttributchildrenI1Attribut AgeI 1 Attribut seatAtt ri

6、but car1Attribut AgI2leafleafleaf 1Aft ribut me wieAttribut marriedleaf 1leaf 23,leaf 2Att ribut I1leaf 2Attribut carleaf 1Attribut childrenleaf 1 leaf 2leaf 1文案大全實用標準文檔Tree =Attribut: 3Child: 1x4 structRulesMatrix =11101Q001210100020101000301II1003Q1211Q030131100301012Q01010201020102Q100Q102Q200021

7、Q000002210Q00022200000230Q000Q30QQ0I00300012003001220030022200400000文案大全12212122112122212實用標準文檔實驗程序：function Tree RulesMatrix=DecisionTree(DataSet,AttributName)喻入為訓練集，為離散后的數(shù)字，如記錄 1:1 1 3 2 1 ;前面為屬性列，最后一列為類標if nargin1error( 請輸入數(shù)據(jù)集);elseif isstr(DataSet)DataSet AttributValue=readdata2(DataSet);elseAtt

8、ributValue=;endendif narginmostlabelnum)mostlabelnum=length(ValRecords(i).matrix);mostlabel=i;end文案大全實用標準文檔endTree.Attribut=mostlabel;Tree.Child=;return;endfor i=1:length(Attributs)Sa(i) ValRecord=ComputEntropy(DataSet,i);Gains(i)=S-Sa(i);AtrributMatric(i).val=ValRecord;endmaxval maxindex=max(Gains)

9、;Tree.Attribut=Attributs(maxindex);Attributs2=Attributs(1:maxindex-1) Attributs(maxindex+1:length(Attributs);for j=1:length(AtrributMatric(maxindex).val)DataSet2=DataSet(AtrributMatric(maxindex).val(j).matrix,1:maxindex-1) DataSet(AtrributMatric(maxindex).val(j).matrix,maxindex+1:size(DataSet,2);if(

10、size(DataSet2,1)=0)mostlabelnum=0;mostlabel=0;for i=1:length(ValRecords)if(length(ValRecords(i).matrix)mostlabelnum) mostlabelnum=length(ValRecords(i).matrix); mostlabel=i;endendTree.Child(j).root.Attribut=mostlabel;文案大全實用標準文檔Tree.Child(j).root.Child=;elseTree.Child(j).root=CreatTree(DataSet2,Attrib

11、uts2);endendendfunction Entropy RecordVal=ComputEntropy(DataSet,attribut) %計算信息嫡if(attribut=0)clnum=0;for i=1:size(DataSet,1)if(DataSet(i,size(DataSet,2)clnum) %防止下標越界classnum(DataSet(i,size(DataSet,2)=0;clnum=DataSet(i,size(DataSet,2);RecordVal(DataSet(i,size(DataSet,2).matrix=; endclassnum(DataSet

12、(i,size(DataSet,2)=classnum(DataSet(i,size(DataSet,2)+1;RecordVal(DataSet(i,size(DataSet,2).matrix=RecordVal(DataSet(i,size(DataSet,2).matrix i; endEntropy=0;for j=1:length(classnum)P=classnum(j)/size(DataSet,1);if(P=0)Entropy=Entropy+(-P)*10g2(P);endend文案大全實用標準文檔elsevalnum=0;for i=1:size(DataSet,1)

13、if(DataSet(i,attribut)valnum) %防止參數(shù)下標越界clnum(DataSet(i,attribut)=0;valnum=DataSet(i,attribut);Valueexamnum(DataSet(i,attribut)=0;RecordVal(DataSet(i,attribut),matrix=; %將編號保留下來，以方便后面按值分割數(shù)據(jù)集end if(DataSet(i,size(DataSet,2)clnum(DataSet(i,attribut) %防止下標越界Value(DataSet(i,attribut).classnum(DataSet(i,s

14、ize(DataSet,2)=0;clnum(DataSet(i,attribut)=DataSet(i,size(DataSet,2); endValue(DataSet(i,attribut).classnum(DataSet(i,size(DataSet,2)=Value(DataSet(i,attribut).classnum(DataSet(i,size(DataSet,2)+1;Valueexamnum(DataSet(i,attribut)= Valueexamnum(DataSet(i,attribut)+1;RecordVal(DataSet(i,attribut).matr

15、ix=RecordVal(DataSet(i,attribut).matrix i; end Entropy=0; for j=1:valnumEntropys=0;for k=1:length(Value(j).classnum)P=Value(j).classnum(k)/Valueexamnum(j);if(P=0)Entropys=Entropys+(-P)*10g2(P);end文案大全實用標準文檔endEntropy=Entropy+(Valueexamnum(j)/size(DataSet,1)*Entropys; endendendfunction showTree(Tree,

16、level,value,branch,AttributValue,AttributName) blank=;for i=1:level-1if(branch(i)=1) TOC o 1-5 h z blank=blank 口；elseblank=blank ;endendblank=blank ;if(level=0)blank= (The Root):;elseif isempty(AttributValue)blank=blank | int2str(value) ;elseblank=blank | value ;endendif(length(Tree.Child)=0) %非葉子節(jié)點

17、if isempty(AttributName)文案大全實用標準文檔disp(blank Attribut int2str(Tree.Attribut); else disp(blank Attribut AttributNameTree.Attribut); end if isempty(AttributValue) for j=1:length(Tree.Child)-1showTree(Tree.Child(j).root,level+1,j,branch 1,AttributValue,AttributName); end showTree(Tree.Child(length(Tree

18、.Child).root,level+1,length(Tree.Child),branch(1:length(branch)-1)01,AttributValue,AttributName); else for j=1:length(Tree.Child)-1showTree(Tree.Child(j).root,level+1,AttributValueTree.Attributj,branch 1,AttributValue,AttributName); endshowTree(Tree.Child(length(Tree.Child).root,level+1,AttributValueTree.Attributlength(Tree.