实验三决策树算法实验实验报告材料

实验三决策树算法实验

一、实验目的：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和实现技术。

二、实验原理: 决策树学习和分类.

三、实验条件：

四、实验内容：

1 根据现实生活中的原型自己创建一个简单的决策树。

2 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; 候选属性集合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标记；（4） If attribute_list为空then

（5）返回N作为叶节点，以samples 中最普遍的类标记；//多数表决（6）选择attribute_list 中具有最高信息增益的属性test_attribute; （7）以test_attribute 标记节点N；

（8） For each test_attribute 的已知值v //划分 samples ；

（9）由节点N分出一个对应test_attribute=v的分支；

（10令Sv为 samples中 test_attribute=v 的样本集合；//一个划分块（11）If Sv为空 then

（12）加上一个叶节点，以samples中最普遍的类标记；

（13）Else 加入一个由Decision_Tree(Sv,attribute_list-test_attribute)返回节点值。

（2）实验数据预处理

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：FEMAL----“1”；MALE----“2”

Region：INNER CITY----“1”；TOWN----“2”；RURAL----“3”；SUBURBAN----“4”Income：5000~2万----“1”；2万~4万----“2”；4万以上----“3”Married Children Car

文案大全

Mortgage

Pep：以上五个条件，若为“是”标记为“1”，若为“否”标记为“2”。Age sex region income married children car mortgage pep

1 2 1 1 2 1 1 2 2

1 2 1 1 2 2 2 2 1

2 1 4 1 2 1 2 2 1

2 1 1 1 1 2 2 2 2

1 2 1 1 1 2 2 2 2

1 2 1 1 2 1 2 1 1

2 1 2 1 1 2 1 1 2

2 1 1 1 2 1 1 2 1

2 1

3 1 2 2 1 2 1

2 1 2 2 2 1 2 2 2

2 2 1 2 2 2 2 1 1

2 1 2 2 1 1 2 1 1

2 2 1 2 1 2 2 1 2

1 1 1

2 1 2 2 2 1

3 2 1 2 1 1 1 2 2

1 1 1

2 1 1 1 2 1

1 1 3

2 2 2 1 2 1

3 1 2 2 1 2 2 2 1

3 2 3 3 1 1 1 2 1

3 2 2 3 1 2 1 1 2

3 1 3 3 1 1 2 2 1

3 2 1 3 1 2 1 2 2

3 2 1 3 1 1 1 1 1

文案大全

3 1 1 3 1 2 1 1 2

3 1 3 3 1 2 2 2 2

3 2

4 3 1 2 2 1 1

3 1 3 3 2 2 1 1 2

（3）Matlab语句：

[Tree RulesMatrix]= DecisionTree(DataSet, AttributName)；

六、实验结果：

文案大全

文案大全

文案大全

实验程序：

function [Tree RulesMatrix]=DecisionTree(DataSet,AttributName)

%输入为训练集，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 nargin<1

error('请输入数据集');

else

if isstr(DataSet)

[DataSet AttributValue]=readdata2(DataSet);

else

AttributValue=[];

end

end

if nargin<2

AttributName=[];

end

Attributs=[1:size(DataSet,2)-1];

Tree=CreatTree(DataSet,Attributs);

disp([char(13) 'The Decision Tree:']);

showTree(Tree,0,0,1,AttributValue,AttributName);

Rules=getRule(Tree);

RulesMatrix=zeros(size(Rules,1),size(DataSet,2));

for i=1:size(Rules,1)

rule=cell2struct(Rules(i,1),{'str'});

rule=str2num([rule.str([1:(find(rule.str=='C')-1)]) rule.str((find(rule.str=='C')+1):length(rule.str))]); for j=1:(length(rule)-1)/2

文案大全