決策樹程序?qū)嶒?全文預(yù)覽
【正文】 /** * 提供精確的乘法運算。 } /** * 提供精確的減法運算。 //這個類不能實例化 private DecimalCalculate(){ } /** * 提供精確的加法運算。 }}package DecisionTree。 ().add(leafNode)。 } if (() == 0) { TreeNode leafNode = new TreeNode()。 ArrayListArrayListString di = (bestAttrIndex, rule)。 if(() 2){ //?此處有待商榷 (bestAttrIndex)。 int bestAttrIndex = ()。 String maxC = maxClass(classes)。 TreeNode node = new TreeNode()。// for (int i = 0。 if(val max){ max = val。 ()。 } /** * 獲取具有最大計數(shù)的類名，即求多數(shù)類 * param classes 類的鍵值集合 * return 多數(shù)類的類名 */ public String maxClass(MapString, Integer classes){ String maxC = 。 c = (() 1)。 ArrayListString tuple = null。 } public DecisionTree(int attrSelMode) { = attrSelMode。import .*。import 。 if (tempGain gain) { gain = tempGain。 double tempGain = 。 info += (((), (), 3), infoD(dv))。 ArrayListString values = getValues(D, attrIndex)。 i++) { t = (i)。 } /** * 獲取指定屬性列上指定值域的所有元組 * param attrIndex 指定屬性列索引 * param value 指定屬性列的值域 * return 指定屬性列上指定值域的所有元組 */ public ArrayListArrayListString datasOfValue(int attrIndex, String value){ ArrayListArrayListString Di = new ArrayListArrayListString()。 i 。 i++) { entry = () ()。 Iterator iter = ().iterator()。 } } return valueCount。 i++) { tuple = (i)。 String c = 。 i++) { r = (i).get(attrIndex)。 } /** * 獲取最佳侯選屬性列上的值域（假定所有屬性列上的值都是有限的名詞或分類類型的） * param attrIndex 指定的屬性列的索引 * return 值域集合 */ public ArrayListString getValues(ArrayListArrayListString datas, int attrIndex){ ArrayListString values = new ArrayListString()。/** * 選擇最佳分裂屬性 */public class Gain { private ArrayListArrayListString D = null。import 。 } DecisionTree tree = new DecisionTree()。 candAttr = ()。 } } } /** * 主函數(shù)，程序入口 * param args */ public static void main(String[] args) { TestDecisionTree tdt = new TestDecisionTree()。 for (int i = 0。 ArrayListTreeNode children = ()。 i ()。 } /** * 遞歸打印樹結(jié)構(gòu) * param root 當(dāng)前待輸出信息的結(jié)點 */ public void printTree(TreeNode root){ (name: + ())。 ArrayListString s = new ArrayListString()。 } /** * 讀取訓(xùn)練元組 * return 訓(xùn)練元組集合 * throws IOException */ public ArrayListArrayListString readData() throws IOException { ArrayListArrayListString datas = new ArrayListArrayListString()。 String str = 。import 。 }}package DecisionTree。 } public ArrayListArrayListString getDatas() { return datas。 } public ArrayListString getRule() { return rule。 = null。 //劃分到該結(jié)點的訓(xùn)練元組 private ArrayListString candAttr。/** * 決策樹結(jié)點類 */public class TreeNode { private String name。輸出 一棵決策樹。（c）分支test_attribute=ai 沒有樣本。（b）沒有剩余屬性可以用來進(jìn)一步劃分樣本（步驟4）?！?對測試屬性的每個已知的值，創(chuàng)建一個分支，并據(jù)此劃分樣本（步驟8~10）?！?否則，算法使用稱為信息增益的機遇熵的度量為啟發(fā)信息，選擇能最好地將樣本分類的屬性（步驟6）。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)點的測試屬性。一個葉結(jié)點代表從樹根到葉結(jié)點之間的路徑對應(yīng)的記錄所屬的類別屬性值。內(nèi)部結(jié)點用矩形表示，而樹葉結(jié)點用橢圓表示。一、問題描述決策樹是一個類似于流程圖的樹結(jié)構(gòu)，其中每個內(nèi)部結(jié)點表示在一個屬性上的測試，每個分支代表一個測試輸入，而每個樹葉結(jié)點代表類或類分布。決策樹表示方法是應(yīng)用最廣泛的邏輯方法之一，它從一組無次序、無規(guī)則的事例中推理出決策樹表示形式的
物理相關(guān)推薦
鄂ICP備17016276號-1