数据仓库与数据挖掘-实验三 决策树算法实验报告范文

《数据仓库与数据挖掘-实验三 决策树算法实验报告范文》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、20123100160曾志伟通信7班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。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Attribu

2、teName。输出一棵决策树。（1）创建节点N；（2）Ifsamples都在同一类C中then（3）返回N作为叶节点，以类C标记；（4）Ifattribute_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）Foreachtest_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_

3、attribute=v的样本集合；//一个划分块（11）IfSv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” In

4、come：5000~2万----“1”；2万~4万----“2”；4万以上----“3” Married Children Car Mortgage Pep：以上五个条件，若为“是”标记为“1”，若为“否”标记为“2”。Agesexregionincomemarriedchildrencarmortgagepep121121122121122221214121221211112222121112222121121211212112112211121121213122121212221222221222211212211211221212212111212221321211

5、122111211121113222121312212221323311121322312112313311221321312122321311111311312112313312222324312211313322112（3）Matlab语句：[TreeRulesMatrix]=DecisionTree(DataSet,AttributName)；2、设计性实验：（1）.进入创建新图工作窗。（2）.设置决策树分类算法和相应地环境参数。（3）输入训练数据集。（4）训练决策树以得出能够对新输入数据正确分类的模型。（5）观察实际分类效果，记录,修改、调试再实验，直到满意。实验

6、结果如下：建立决策树函数，程序如下：function[TreeRulesMatrix]=DecisionTree(DataSet,AttributName)%?????????·???????????ó????×?????????1??11321??%?°????????????×??ó???????à±êifnargin<1error('????????????');elseifisstr(DataSet)[DataSetAttributValue]=readdata2(DataSet);elseAttributValue=[];endendifnargin<2Attr

7、ibutName=[];endAttributs=[1:size(DataSet,2)-1];Tree=CreatTree(DataSet,Attributs);disp([char(13)'TheDecisionTree:']);showTree(Tree,0,0,1,AttributValue,AttributName);Rules=getRule(Tree);RulesMatrix=zeros(size(Rules,1),size(DataSet,2));fori=1:size(Rules,1)rule=cell2str