決策樹(shù)程序?qū)嶒?yàn)

決策樹(shù)程序?qū)嶒?yàn)決策樹(shù)程序?qū)嶒?yàn)決策樹(shù)程序?qū)嶒?yàn)決策樹(shù)程序?qū)嶒?yàn)編制僅供參考審核批準(zhǔn)生效日期地址：電話：傳真:郵編:決策樹(shù)程序?qū)嶒?yàn)

眾所周知，數(shù)據(jù)庫(kù)技術(shù)從20世紀(jì)80年代開(kāi)始，已經(jīng)得到廣泛的普及和應(yīng)用。隨著數(shù)據(jù)庫(kù)容量的膨脹，特別是數(shù)據(jù)倉(cāng)庫(kù)以及web等新型數(shù)據(jù)源的日益普及，人們面臨的主要問(wèn)題不再是缺乏足夠的信息可以使用，而是面對(duì)浩瀚的數(shù)據(jù)海洋如何有效地利用這些數(shù)據(jù)。從數(shù)據(jù)中生成分類(lèi)器的一個(gè)特別有效的方法是生成一個(gè)決策樹(shù)（DecisionTree）。決策樹(shù)表示方法是應(yīng)用最廣泛的邏輯方法之一，它從一組無(wú)次序、無(wú)規(guī)則的事例中推理出決策樹(shù)表示形式的分類(lèi)規(guī)則。決策樹(shù)分類(lèi)方法采用自頂向下的遞歸方式，在決策樹(shù)的內(nèi)部結(jié)點(diǎn)進(jìn)行屬性值的比較并根據(jù)不同的屬性值判斷從該結(jié)點(diǎn)向下的分支，在決策樹(shù)的葉結(jié)點(diǎn)得到結(jié)論。所以從決策樹(shù)的根到葉結(jié)點(diǎn)的一條路徑就對(duì)應(yīng)著一條合取規(guī)則，整棵決策樹(shù)就對(duì)應(yīng)著一組析取表達(dá)式規(guī)則。決策樹(shù)是應(yīng)用非常廣泛的分類(lèi)方法，目前有多種決策樹(shù)方法，如ID3、CN2、SLIQ、SPRINT等。一、問(wèn)題描述相關(guān)信息決策樹(shù)是一個(gè)類(lèi)似于流程圖的樹(shù)結(jié)構(gòu)，其中每個(gè)內(nèi)部結(jié)點(diǎn)表示在一個(gè)屬性上的測(cè)試，每個(gè)分支代表一個(gè)測(cè)試輸入，而每個(gè)樹(shù)葉結(jié)點(diǎn)代表類(lèi)或類(lèi)分布。數(shù)的最頂層結(jié)點(diǎn)是根結(jié)點(diǎn)。一棵典型的決策樹(shù)如圖1所示。它表示概念buys_computer，它預(yù)測(cè)顧客是否可能購(gòu)買(mǎi)計(jì)算機(jī)。內(nèi)部結(jié)點(diǎn)用矩形表示，而樹(shù)葉結(jié)點(diǎn)用橢圓表示。為了對(duì)未知的樣本分類(lèi)，樣本的屬性值在決策樹(shù)上測(cè)試。決策樹(shù)從根到葉結(jié)點(diǎn)的一條路徑就對(duì)應(yīng)著一條合取規(guī)則，因此決策樹(shù)容易轉(zhuǎn)化成分類(lèi)規(guī)則。圖1ID3算法：■ 決策樹(shù)中每一個(gè)非葉結(jié)點(diǎn)對(duì)應(yīng)著一個(gè)非類(lèi)別屬性，樹(shù)枝代表這個(gè)屬性的值。一個(gè)葉結(jié)點(diǎn)代表從樹(shù)根到葉結(jié)點(diǎn)之間的路徑對(duì)應(yīng)的記錄所屬的類(lèi)別屬性值?！?每一個(gè)非葉結(jié)點(diǎn)都將與屬性中具有最大信息量的非類(lèi)別屬性相關(guān)聯(lián)?！?采用信息增益來(lái)選擇能夠最好地將樣本分類(lèi)的屬性。信息增益基于信息論中熵的概念。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(diǎn)的測(cè)試屬性。該屬性使得對(duì)結(jié)果劃分中的樣本分類(lèi)所需的信息量最小，并反映劃分的最小隨機(jī)性或“不純性”。問(wèn)題重述1、目標(biāo)概念為“壽險(xiǎn)促銷(xiāo)”2、計(jì)算每個(gè)屬性的信息增益3、確定根節(jié)點(diǎn)的測(cè)試屬性模型求解構(gòu)造決策樹(shù)的方法是采用自上而下的遞歸構(gòu)造，其思路是：■ 以代表訓(xùn)練樣本的單個(gè)結(jié)點(diǎn)開(kāi)始建樹(shù)（步驟1）。■ 如果樣本都在同一類(lèi)，則該結(jié)點(diǎn)成為樹(shù)葉，并用該類(lèi)標(biāo)記（步驟2和3）?！?否則，算法使用稱(chēng)為信息增益的機(jī)遇熵的度量為啟發(fā)信息，選擇能最好地將樣本分類(lèi)的屬性（步驟6）。該屬性成為該結(jié)點(diǎn)的“測(cè)試”或“判定”屬性（步驟7）。值得注意的是，在這類(lèi)算法中，所有的屬性都是分類(lèi)的，即取離散值的。連續(xù)值的屬性必須離散化?！?對(duì)測(cè)試屬性的每個(gè)已知的值，創(chuàng)建一個(gè)分支，并據(jù)此劃分樣本（步驟8~10）?！?算法使用同樣的過(guò)程，遞歸地形成每個(gè)劃分上的樣本決策樹(shù)。一旦一個(gè)屬性出現(xiàn)在一個(gè)結(jié)點(diǎn)上，就不必考慮該結(jié)點(diǎn)的任何后代（步驟13）?！?遞歸劃分步驟，當(dāng)下列條件之一成立時(shí)停止：（a）給定結(jié)點(diǎn)的所有樣本屬于同一類(lèi)（步驟2和3）。（b）沒(méi)有剩余屬性可以用來(lái)進(jìn)一步劃分樣本（步驟4）。在此情況下，采用多數(shù)表決（步驟5）。這涉及將給定的結(jié)點(diǎn)轉(zhuǎn)換成樹(shù)葉，并用samples中的多數(shù)所在類(lèi)別標(biāo)記它。換一種方式，可以存放結(jié)點(diǎn)樣本的類(lèi)分布。（c）分支test_attribute=ai沒(méi)有樣本。在這種情況下，以samples中的多數(shù)類(lèi)創(chuàng)建一個(gè)樹(shù)葉（步驟12）。算法 Decision_Tree(samples,attribute_list)輸入 由離散值屬性描述的訓(xùn)練樣本集samples;候選屬性集合attribute_list。輸出 一棵決策樹(shù)。（1）創(chuàng)建節(jié)點(diǎn)N；（2）Ifsamples都在同一類(lèi)C中then（3）返回N作為葉節(jié)點(diǎn)，以類(lèi)C標(biāo)記；（4）Ifattribute_list為空then（5）返回N作為葉節(jié)點(diǎn)，以samples中最普遍的類(lèi)標(biāo)記；quals("")){ StringTokenizertokenizer=newStringTokenizer(str); while()){ ()); } } returncandAttr; } /** *讀取訓(xùn)練元組 *@return訓(xùn)練元組集合 *@throwsIOException */ publicArrayList<ArrayList<String>>readData()throwsIOException{ ArrayList<ArrayList<String>>datas=newArrayList<ArrayList<String>>(); BufferedReaderreader=newBufferedReader(newInputStreamReader); Stringstr=""; while(!(str=()).equals("")){ StringTokenizertokenizer=newStringTokenizer(str); ArrayList<String>s=newArrayList<String>(); while()){ ()); } (s); } returndatas; } /** *遞歸打印樹(shù)結(jié)構(gòu) *@paramroot當(dāng)前待輸出信息的結(jié)點(diǎn) */ publicvoidprintTree(TreeNoderoot){ "name:"+()); ArrayList<String>rules=(); "noderules:{"); for(inti=0;i<();i++){ +""); } "}"); ""); ArrayList<TreeNode>children=(); intsize=(); if(size==0){ "-->leafnode!<--"); }else{ "sizeofchildren:"+()); for(inti=0;i<();i++){ "child"+(i+1)+"ofnode"+()+":"); printTree(i)); } } } /** *主函數(shù)，程序入口 *@paramargs */ publicstaticvoidmain(String[]args){ TestDecisionTreetdt=newTestDecisionTree(); ArrayList<String>candAttr=null; ArrayList<ArrayList<String>>datas=null; try{ "請(qǐng)輸入候選屬性"); candAttr=(); "請(qǐng)輸入訓(xùn)練數(shù)據(jù)"); datas=(); }catch(IOExceptione){ (); } DecisionTreetree=newDecisionTree(); TreeNoderoot=(datas,candAttr); (root); }}packageDecisionTree;import*選擇最佳分裂屬性*/publicclassGain{ privateArrayList<ArrayList<String>>D=null;et(attrIndex); if(!(r)){ (r); } } returnvalues; } /** *獲取指定數(shù)據(jù)集中指定屬性列索引的域值及其計(jì)數(shù) *@paramd指定的數(shù)據(jù)集 *@paramattrIndex指定的屬性列索引 *@return類(lèi)別及其計(jì)數(shù)的map */ publicMap<String,Integer>valueCounts(ArrayList<ArrayList<String>>datas,intattrIndex){ Map<String,Integer>valueCount=newHashMap<String,Integer>(); Stringc=""; ArrayList<String>tuple=null; for(inti=0;i<();i++){ tuple=(i); c=(attrIndex); if(c)){ (c,(c)+1); }else{ (c,1); } } returnvalueCount; } /** *求對(duì)datas中元組分類(lèi)所需的期望信息，即datas的熵 *@paramdatas訓(xùn)練元組 *@returndatas的熵值 */ publicdoubleinfoD(ArrayList<ArrayList<String>>datas){ doubleinfo=; inttotal=(); Map<String,Integer>classes=valueCounts(datas,()); Iteratoriter=().iterator(); Integer[]counts=newInteger[()]; for(inti=0;();i++) { entry=(); Integerval=(Integer)(); counts[i]=val; } for(inti=0;i<;i++){ doublebase=(counts[i],total,3); info+=(-1)*base*(base); } returninfo; } /** *獲取指定屬性列上指定值域的所有元組 *@paramattrIndex指定屬性列索引 *@paramvalue指定屬性列的值域 *@return指定屬性列上指定值域的所有元組 */ publicArrayList<ArrayList<String>>datasOfValue(intattrIndex,Stringvalue){ ArrayList<ArrayList<String>>Di=newArrayList<ArrayList<String>>(); ArrayList<String>t=null; for(inti=0;i<();i++){ t=(i); if(attrIndex).equals(value)){ (t); } } returnDi; } /** *基于按指定屬性劃分對(duì)D的元組分類(lèi)所需要的期望信息 *@paramattrIndex指定屬性的索引 *@return按指定屬性劃分的期望信息值 */ publicdoubleinfoAttr(intattrIndex){ doubleinfo=; ArrayList<String>values=getValues(D,attrIndex); for(inti=0;i<();i++){ ArrayList<ArrayList<String>>dv=datasOfValue(attrIndex,(i)); info+=(),(),3),infoD(dv)); } returninfo; } /** *獲取最佳分裂屬性的索引 *@return最佳分裂屬性的索引 */ publicintbestGainAttrIndex(){ intindex=-1; doublegain=; doubletempGain=; for(inti=0;i<();i++){ tempGain=infoD(D)-infoAttr(i); if(tempGain>gain){ gain=tempGain; index=i; } } returnindex; }}packageDecisionTree;import.*;/***決策樹(shù)構(gòu)造類(lèi)*/publicclassDecisionTree{ privateIntegerattrSelMode;terator(); for(inti=0;();i++) { entry=(); Stringkey=(String)(); Integerval=(Integer)(); if(val>max){ max=val; maxC=key; } } returnmaxC; } /** *構(gòu)造決策樹(shù) *@paramdatas訓(xùn)練元組集合 *@paramattrList候選屬性集合 *@return決策樹(shù)根結(jié)點(diǎn) */ publicTreeNodebuildTree(ArrayList<ArrayList<String>>datas,ArrayList<String>attrList){emove(bestAttrIndex); } if()==0){ TreeNodeleafNode=newTreeNode(); (maxC); (di); (attrList); ().add(leafNode); }else{ TreeNodenewNode=buildTree(di,attrList); ().add(newNode); } } returnnode; }}packageDecisionTree;importpublicclassDecimalCalculate{/***由于Java的簡(jiǎn)單類(lèi)型不能夠精確的對(duì)浮點(diǎn)數(shù)進(jìn)行運(yùn)算，這個(gè)工具類(lèi)提供精*確的浮點(diǎn)數(shù)運(yùn)算，包括加減乘除和四舍五入。*/oubleValue(); } /** *提供精確的減法運(yùn)算。 *@paramv1被減數(shù) *@paramv2減數(shù) *@return兩個(gè)參數(shù)的差 */ publicstaticdoublesub(doublev1,doublev2){ BigDecimalb1=newBigDecimal(v1)); BigDecimalb2=newBigDecimal(v2)); return(b2).doubleValue(); } /** *提供精確的乘法運(yùn)算。 *@paramv1被乘數(shù) *@paramv2乘數(shù) *@return兩個(gè)參數(shù)的積 */ publicstaticdoublemul(doublev1,doublev2){ BigDecimalb1=newBigDecimal(v1)); BigDecimalb2=newBigDecimal(v2)); return(b2).doubleValue(); } /** *提供（相對(duì)）精確的除法運(yùn)算，當(dāng)發(fā)生除不盡的情況時(shí)，精確到 *小數(shù)點(diǎn)以后10位，以后的數(shù)字四舍五入。 *@paramv1被除數(shù) *@paramv2除數(shù) *@return兩個(gè)參數(shù)的商 */ publicstaticdoublediv(doublev1,doublev2){ returndiv(v1,v2,DEF_DIV_SCALE); } /** *提供（相對(duì)）精確的除法運(yùn)算。當(dāng)發(fā)生除不盡的情況時(shí)，由scale參數(shù)指 *定精度，以后的數(shù)字四舍五入。 *@paramv1被除數(shù) *@paramv2除數(shù) *@paramscale表示表示需要精確到小數(shù)點(diǎn)以后幾位。 *@return兩個(gè)參數(shù)的商 */ publicstaticdoublediv(doublev1,doublev2,intscale){ if(scale<0){ thrownewIllegalArgumentException( "Thescalemustbeapositiveintegerorzero"); } BigDecimalb1=newBigDecimal(v1)); BigDecimalb2=newBigDecimal(v2)); return(b2,scale,.doubleValue(); } /** *提供精確的小數(shù)位四舍五入處理。 *@paramv需要四舍五入的數(shù)字 *@paramscale小數(shù)點(diǎn)后保留幾位 *@return四舍五入后的結(jié)果 */ publicstaticdoubleround(doublev,intscale){ if(scale<0){ thrownewIllegalArgumentException( "Thescalemustbeapositiveintegerorzero"); } BigDecimalb=newBigDecimal(v)); BigDecimalone=newBigDecimal("1"); return(one,scale,.doubleValue(); } /** *提供精確的類(lèi)型轉(zhuǎn)換(Float) *@paramv需要被轉(zhuǎn)換的數(shù)字 *@return返回轉(zhuǎn)換結(jié)果 */ publicstaticfloatconvertsToFloat(doublev){ BigDecimalb=newBigDecimal(v); return(); } /** *提供精確的類(lèi)型轉(zhuǎn)換(Int)不進(jìn)行四舍五入 *@paramv需要被轉(zhuǎn)換的數(shù)字 *@return返回轉(zhuǎn)換結(jié)果 */ publicstaticintconvertsToInt(doublev){ BigDecimalb=newBigDecimal(v); return(); } /** *提供精確的類(lèi)型轉(zhuǎn)換(Long) *@paramv需要被轉(zhuǎn)換的數(shù)字 *@return返回轉(zhuǎn)換結(jié)果 */ publicstaticlongconvertsToLong(doublev){ BigDecimalb=newBigDecimal(v); return(); } /** *返回兩個(gè)數(shù)中大的一個(gè)值 *@paramv1需要被對(duì)比的第一個(gè)數(shù) *@paramv2需要被對(duì)比的第二個(gè)數(shù) *@return返回兩個(gè)數(shù)中大的一個(gè)值 */ pub