實(shí)驗(yàn)二-決策樹(shù)實(shí)驗(yàn)-實(shí)驗(yàn)報(bào)告

1、決策樹(shù)實(shí)驗(yàn)一、實(shí)驗(yàn)原理 決策樹(shù)是一個(gè)類似于流程圖的樹(shù)結(jié)構(gòu)，其中每個(gè)內(nèi)部結(jié)點(diǎn)表示在一個(gè)屬性上的測(cè)試，每個(gè)分支代表一個(gè)測(cè)試輸入，而每個(gè)樹(shù)葉結(jié)點(diǎn)代表類或類分布。數(shù)的最頂層結(jié)點(diǎn)是根結(jié)點(diǎn)。一棵典型的決策樹(shù)如圖1所示。它表示概念buys_computer，它預(yù)測(cè)顧客是否可能購(gòu)買計(jì)算機(jī)。內(nèi)部結(jié)點(diǎn)用矩形表示，而樹(shù)葉結(jié)點(diǎn)用橢圓表示。為了對(duì)未知的樣本分類，樣本的屬性值在決策樹(shù)上測(cè)試。決策樹(shù)從根到葉結(jié)點(diǎn)的一條路徑就對(duì)應(yīng)著一條合取規(guī)則，因此決策樹(shù)容易轉(zhuǎn)化成分類規(guī)則。 圖1ID3算法：      決策樹(shù)中每一個(gè)非葉結(jié)點(diǎn)對(duì)應(yīng)著一個(gè)非類別屬性，樹(shù)枝代表這個(gè)屬性的值。一個(gè)葉結(jié)點(diǎn)代表從樹(shù)

2、根到葉結(jié)點(diǎn)之間的路徑對(duì)應(yīng)的記錄所屬的類別屬性值。      每一個(gè)非葉結(jié)點(diǎn)都將與屬性中具有最大信息量的非類別屬性相關(guān)聯(lián)。      采用信息增益來(lái)選擇能夠最好地將樣本分類的屬性。信息增益基于信息論中熵的概念。ID3總是選擇具有最高信息增益（或最大熵壓縮）的屬性作為當(dāng)前結(jié)點(diǎn)的測(cè)試屬性。該屬性使得對(duì)結(jié)果劃分中的樣本分類所需的信息量最小，并反映劃分的最小隨機(jī)性或“不純性”。二、算法偽代碼算法Decision_Tree(data,AttributeName)輸入由離散值屬性描述的訓(xùn)練樣本集data;候選屬性集合Attrib

3、uteName。輸出一棵決策樹(shù)。（1） 創(chuàng)建節(jié)點(diǎn)N；（2） If samples 都在同一類C中then（3） 返回N作為葉節(jié)點(diǎn)，以類C標(biāo)記；（4） If attribute_list為空then（5） 返回N作為葉節(jié)點(diǎn)，以samples 中最普遍的類標(biāo)記；/多數(shù)表決（6） 選擇attribute_list 中具有最高信息增益的屬性test_attribute;（7） 以test_attribute 標(biāo)記節(jié)點(diǎn)N；（8） For each test_attribute 的已知值v /劃分 samples（9） 由節(jié)點(diǎn)N分出一個(gè)對(duì)應(yīng)test_attribute=v的分支；（10令Sv為 sampl

4、es中 test_attribute=v 的樣本集合；/一個(gè)劃分塊（11）If Sv為空 then（12）加上一個(gè)葉節(jié)點(diǎn)，以samples中最普遍的類標(biāo)記；（13）Else 加入一個(gè)由Decision_Tree(Sv,attribute_list-test_attribute)返回節(jié)點(diǎn)值。三、實(shí)驗(yàn)數(shù)據(jù)預(yù)處理Age:30歲以下標(biāo)記為“1”；30歲以上50歲以下標(biāo)記為“2”；50歲以上標(biāo)記為“3”。Sex：FEMAL-“1”；MALE-“2”Region：INNER CITY-“1”；TOWN-“2”； RURAL-“3”； SUBURBAN-“4”Income：50002萬(wàn)-“1”；2萬(wàn)4萬(wàn)-“

5、2”；4萬(wàn)以上-“3”MarriedChildrenCarMortgagePep：以上五個(gè)條件，若為“是”標(biāo)記為“1”，若為“否”標(biāo)記為“2”。Age sex region income married children car mortgage pep1 2 1 1 2 1 1 2 21 2 1 1 2 2 2 2 12 1 4 1 2 1 2 2 12 1 1 1 1 2 2 2 21 2 1 1 1 2 2 2 21 2 1 1 2 1 2 1 12 1 2 1 1 2 1 1 22 1 1 1 2 1 1 2 12 1 3 1 2 2 1 2 12 1 2 2 2 1 2 2 22 2

6、 1 2 2 2 2 1 12 1 2 2 1 1 2 1 12 2 1 2 1 2 2 1 21 1 1 2 1 2 2 2 13 2 1 2 1 1 1 2 21 1 1 2 1 1 1 2 11 1 3 2 2 2 1 2 13 1 2 2 1 2 2 2 13 2 3 3 1 1 1 2 13 2 2 3 1 2 1 1 23 1 3 3 1 1 2 2 13 2 1 3 1 2 1 2 23 2 1 3 1 1 1 1 13 1 1 3 1 2 1 1 23 1 3 3 1 2 2 2 23 2 4 3 1 2 2 1 13 1 3 3 2 2 1 1 2 4、 實(shí)驗(yàn)主函數(shù)funct

7、ion mainclc;DataSet=1 2 1 1 2 1 1 2 21 2 1 1 2 2 2 2 12 1 4 1 2 1 2 2 12 1 1 1 1 2 2 2 21 2 1 1 1 2 2 2 21 2 1 1 2 1 2 1 12 1 2 1 1 2 1 1 22 1 1 1 2 1 1 2 12 1 3 1 2 2 1 2 12 1 2 2 2 1 2 2 22 2 1 2 2 2 2 1 12 1 2 2 1 1 2 1 12 2 1 2 1 2 2 1 21 1 1 2 1 2 2 2 13 2 1 2 1 1 1 2 21 1 1 2 1 1 1 2 11 1 3 2

8、2 2 1 2 13 1 2 2 1 2 2 2 13 2 3 3 1 1 1 2 13 2 2 3 1 2 1 1 23 1 3 3 1 1 2 2 13 2 1 3 1 2 1 2 23 2 1 3 1 1 1 1 13 1 1 3 1 2 1 1 23 1 3 3 1 2 2 2 23 2 4 3 1 2 2 1 13 1 3 3 2 2 1 1 2 ;AttributName=11 12 13 14 15 16 17 18 19;Tree RulesMatrix=DecisionTree(DataSet,AttributName)End五、實(shí)驗(yàn)結(jié)果The Decision Tree:

9、(The Root):Attribut |_1_Attribut | |_1_Attribut | | |_1_Attribut | | | |_1_leaf 1 | | | |_2_leaf 2 | | |_2_leaf 2 | | |_3_Attribut | | |_1_Attribut | | | |_1_leaf 1 | | | |_2_leaf 2 | | | |_3_leaf 1 | | |_2_leaf 2 | |_2_Attribut | |_1_Attribut | | |_1_leaf 2 | | |_2_leaf 1 | |_2_leaf 1 |_2_Attribut

10、| |_1_leaf 2 | |_2_Attribut | | |_1_leaf 1 | | |_2_leaf 2 | |_3_leaf 2 |_3_Attribut | |_1_leaf 2 | |_2_Attribut | |_1_leaf 1 | |_2_Attribut | |_1_leaf 1 | |_2_leaf 2 |_4_leaf 1Tree = Attribut: 3 Child: 1x4 structRulesMatrix = 1 1 1 0 1 0 0 0 1 1 2 1 0 1 0 0 0 2 2 0 1 0 1 0 0 0 2 3 0 1 1 1 1 0 0 1 3 0 1 2 1 1 0 0 2 3 0 1 3 1 1 0 0 1 3 0 1 0 1 2 0 0 2 1 0 1 0 2 0 1 0 2 2 0 1 0 2 0 1 0 1 0 0 1 0 2 0 2 0 1 0 0 2 1 0 0 0 0 2 0 0 2 2 1 0 0 0 1 0 0 2 2 2 0 0 0 2 0 0 2 3 0 0 0 0