matlab创建决策树算法

南城旧安 2016-09-29 04:11:05

我想请问一下，为什么C4.5会出现这个错误

...全文

559 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

此程序主要实现对数据的加载和处理，首先加载数据，本算法选择的数据集是鸢尾花数据集，加载的数据形式是元胞数组，本程序先把其转换成字符串数组，后对字符串数组进行处理，将数据部分和标签部分分隔开，数据部分转换成数组形式，标签部分则对应存储于字符串数组中。然后对数据创建决策树，结果存储于结构体中，后计算算法的准确率。最后将结构体数据转换成元胞数据，转换成treeplot系统函数能识别的数据形式，并绘制决策树。

计算机视觉-决策树学习MATLAB源码与其他的数据挖掘算法相比，决策树有许多优点: （1）易于理解和解释人们很容易理解决策树的意义。（2）只需很少的数据准备其他技术往往需要数据归一化。（3）即可以处理数值型数据也可以处理类别型数据。其他技术往往只能处理一种数据类型。例如关联规则只能处理类别型的而神经网络只能处理数值型的数据。（4）使用白箱模型，输出结果容易通过模型的结构来解释。而神经网络是黑箱模型，很难解释输出的结果。（5）可以通过测试集来验证模型的性能。可以考虑模型的稳定性。（6）强健控制. 对噪声处理有好的强健性。（7）可以很好的处理大规模数据。缺点：（1）训练一棵最优的决策树是一个完全NP问题。因此, 实际应用时决策树的训练采用启发式搜索算法例如贪心算法来达到局部最优。这样的算法没办法得到最优的决策树。（2）决策树创建的过度复杂会导致无法很好的预测训练集之外的数据。这称作过拟合。剪枝机制可以避免这种问题。（3）有些问题决策树没办法很好的解决,例如异或问题。解决这种问题的时候，决策树会变得过大。

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：F EMAL----"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 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 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 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,Attr

matlab导入excel代码决策树GUI 标题具有交叉验证和ROC分析图的决策树和预测模型概括该代码为数据挖掘方法实现了一个分类树，并为每个目标类别绘制了ROC曲线。描述 决策树学习是数据挖掘中常用的方法。大多数商业软件包提供复杂的树分类算法，但是它们非常昂贵。此Matlab代码使用实现GINI算法的“ classregtree”函数来确定每个节点的最佳分割。该代码的主要功能名为Tree。它使用第一行作为变量名（必要）直接从excel或csv文件导入数据。第一列是结果组。它必须是数字。要在Matlab工作区中启动分类树类型，请执行以下操作：Tree（'filename.xls'）或Tree（'filename.csv'）（请注意，您的excel文件的第一行包含变量名，第一列中包含结果组）。它也可以直接从Matlab文件（扩展名为.mat）导入。请使用以下3个变量创建文件：X（协变量值的矩阵），y（结果值），textdata（单元格结构包含结果和协变量的文本名称）。如果您想要一个示例，请输入：[X，y，textdata] = ExcelImport（'ex

决策树学习是数据挖掘中常用的方法。大多数商业软件包提供复杂的树分类算法，但它们非常昂贵。这个 matlab 代码使用“classregtree”函数来实现 GINI 算法来确定每个节点 (CART) 的最佳分割。这段代码的主要功能名为Tree。它直接从 excel 或 csv 文件导入数据，使用第一行作为变量名（必要）。第一列是结果组，它必须是数字。在 Matlab 工作区中启动分类树类型： Tree('filename.xls') 或 Tree('filename.csv') （注意您的 excel 文件包含第一行变量名称和第一列中的结果组） . 它也可以直接从 matlab 文件（.mat 扩展名）导入。请使用以下 3 个变量创建一个文件：X（协变量值矩阵）、y（结果值）、textdata（单元格结构包含结果和协变量的文本名称）。如果您需要示例，请输入：[X, y,

其他开发语言

3,423

社区成员

15,635

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章