kok电子竞技

1、实用标准文档实验三决策树算法实验一、实验目的： 二、实验原理： 三、实验条件： 四、实验内容：熟悉和掌握决策树的分类原理、实质和过程；掌握典型的学习算法 决策树学习和分类.和实现技术。根据现实生活中的原型自己创建一个简单的决策树。要求用这个决策树能解决实际分类决策问题。五、实验步骤：1、验证性实验：(1)算法伪代码算法 Decision_Tree(data,AttributeName)输入由离散值属性描述的训练样本集data; 候选属 T集合 AttributeName 。输出一棵决策树。(1)创建节点N;(2) If samples都在同一类 C中then (3) 返回N作为叶节点，以类C

2、标记；(4) If attribute_list为空then(5)返回N作为叶节点，以以test_attribute 标记节点(8) For each test_attribute(9)由节点N分出一个对应(6)选择 attribute_listsamples中最普遍的类标记；/多数表决 N;的已知值v / 划分samples ;test_attribute=v 的分支；中具有最高信息增益的属性test_attribute;(10令Sv为samples中test_attribute=v 的样本集合；/ 一个划分块(12)加上一个叶节点，以 samples中最普遍的类标记；(13) Else 加

3、入一个由 Decision_Tree(Sv,attribute_list-test_attribute)(11) If Sv 为空返回节点值。then(2)实验数据预处理FEMAL- “1”； MALE- “2”Income： 50002 万-“1”； 2万4万-“2”;Age:30岁以下标记为“ 1”； 30岁以上50岁以下标记为“ 2”； 50岁以上标记为“ 3”。Sex：4万以上Region : INNER CITY“1； TOWN一 “2；RURAL一 “3；SUBURBAN一 “4”-3 Married Children Car文案大全实用标准文档MortgagePep：以上五个条件

4、，若为“是”标记为“1”,若为“否”标记为“ 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文案大全实用标准文档 TOC o 1-5 h z 311312112313312222324312211313322112(3) Matlab 语句：Tree RulesMatrix= DecisionTree(DataSet, AttributName)TK、实验结果:文案大全实用标准文档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文案大全实用标准文档Tree =Attribut: 3Child: 1x4 structRulesMatrix =11101Q001210100020101000301II1003Q1211Q030131100301012Q01010201020102Q100Q102Q200021

7、Q000002210Q00022200000230Q000Q30QQ0I00300012003001220030022200400000文案大全12212122112122212实用标准文档实验程序：function Tree RulesMatrix=DecisionTree(DataSet,AttributName)喻入为训练集，为离散后的数字，如记录 1:1 1 3 2 1 ;前面为属性列，最后一列为类标if nargin1error( 请输入数据集);elseif isstr(DataSet)DataSet AttributValue=readdata2(DataSet);elseAtt

8、ributValue=;endendif narginmostlabelnum)mostlabelnum=length(ValRecords(i).matrix);mostlabel=i;end文案大全实用标准文档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;文案大全实用标准文档Tree.Child(j).root.Child=;elseTree.Child(j).root=CreatTree(DataSet2,Attrib

11、uts2);endendendfunction Entropy RecordVal=ComputEntropy(DataSet,attribut) %计算信息嫡if(attribut=0)clnum=0;for i=1:size(DataSet,1)if(DataSet(i,size(DataSet,2)clnum) %防止下标越界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文案大全实用标准文档elsevalnum=0;for i=1:size(DataSet,1)

13、if(DataSet(i,attribut)valnum) %防止参数下标越界clnum(DataSet(i,attribut)=0;valnum=DataSet(i,attribut);Valueexamnum(DataSet(i,attribut)=0;RecordVal(DataSet(i,attribut),matrix=; %将编号保留下来，以方便后面按值分割数据集end if(DataSet(i,size(DataSet,2)clnum(DataSet(i,attribut) %防止下标越界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文案大全实用标准文档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) %非叶子节点

17、if isempty(AttributName)文案大全实用标准文档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,AttributValu

19、eTree.Attributlength(Tree.Child),branch(1:length(branch)-1)01,AttributValue,AttributName); end else if isempty(AttributValue) disp(blank leaf int2str(Tree.Attribut); elsedisp(blank leaf AttributValuelength(AttributValue)Tree.Attribut); end end end文案大全实用标准文档function Rules=getRule(Tree)if(length(Tree.

20、Child)=0)Rules=;for i=1:length(Tree.Child)content=getRule(Tree.Child(i).root);%disp(content);%disp(num2str(Tree.Attribut) , num2str(i) ,);for j=1:size(content,1)rule=cell2struct(content(j,1),str);content(j,1)=num2str(Tree.Attribut) , num2str(i) , rule.str; endRules=Rules;content;endelseRules=C num2str(Tree.Attribut);endend文案大全