人工智能天气决策树源代码

昆明理工大学信息工程与自动化学院学生实验报告

（ 2011 — 2012 学年第 1 学期）

课程名称：人工智能开课实验室：信自楼计算机机房444 2011 年12月 16 日专业班级0 学号200 姓名成绩

实验名称天气决策树指导教师

教师评语该同学是否了解实验原理： A.了解□ B.基本了解□ C.不了解□该同学的实验能力： A.强□ B.中等□ C.差□该同学的实验是否达到要求： A.达到□ B.基本达到□ C.未达到□实验报告是否规范： A.规范□ B.基本规范□ C.不规范□实验过程是否详细记录： A.详细□ B.一般□ C.没有□

教师签名：

2011 年12 月日

一、上机目的及内容

1.上机内容

根据下列给定的14个数据,运用Information Gain构造一个天气决策树。

例子编号

属性

分类天况温度湿度风况

1 晴热大无N

2 晴热大有N

3 多云热大无P

4 雨中大无P

5 雨冷正常无P

6 雨冷正常有N

7 多云冷正常有P

8 晴中大无N

9 晴冷正常无P

10 雨中正常无P

11 晴中正常有P

12 多云中大有P

13 多云热正常无P

14 雨中大有N

2.上机目的

（1）学习用Information Gain构造决策树的方法；

（2）在给定的例子上，构造出正确的决策树；

（3）理解并掌握构造决策树的技术要点。

二、实验原理及基本技术路线图（方框原理图或程序流程图）

（1）设计并实现程序，构造出正确的决策树；

（2）对所设计的算法采用大O符号进行时间复杂性和空间复杂性分析；

主函数流程图：

Attributevalue.cpp流程图

Basefun流程图：

Datapiont.cpp流程图：

Dataset主要流程图：

三、所用仪器、材料（设备名称、型号、规格等或使用软件）

1台PC及VISUAL C++6.0软件

四、实验方法、步骤（或：程序代码或操作过程）

工程源代码：

Main.cpp:

#include

#include

#include

#include

#include

#include

#include "AttributeValue.h"

#include "DataPoint.h"

#include "DataSet.h"

DataPoint processLine(std::string const& sLine)

{

std::istringstream isLine(sLine, std::istringstream::in);

std::vector attributes;

// TODO: need to handle beginning and ending empty spaces.

while( isLine.good() )

{

std::string rawfield;

isLine >> rawfield;

attributes.push_back( AttributeValue( rawfield ) );

}

AttributeValue v = attributes.back();

attributes.pop_back();

bool type = v.GetType();

return DataPoint(attributes, type);

}

void main()

{

std::ifstream ifs("in.txt", std::ifstream::in);

DataSet initDataset;

while( ifs.good() )

{

// TODO: need to handle empty lines.

std::string sLine;

std::getline(ifs, sLine);

initDataset.addDataPoint( processLine(sLine) );

}

std::list processQ;

std::vector finishedDataSet;

processQ.push_back(initDataset);

while ( processQ.size() > 0 )

{

std::vector splittedDataSets;

DataSet dataset = processQ.front();

dataset.splitDataSet(splittedDataSets);

processQ.pop_front();

for (int i=0; i

{

float prob = splittedDataSets[i].getPositiveProb();

if (prob == 0.0 || prob == 1.0)

{

finishedDataSet.push_back(splittedDataSets[i]);

}

else

{

processQ.push_back(splittedDataSets[i]);

}