实验三-决策树算法实验实验报告.doc

文档介绍：实验三-决策树算法实验实验报告
LT
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
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
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：
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