没有合适的资源？快使用搜索试试~ 我知道了~

首页人工智能实验 ID3决策树（java实现）

人工智能实验 ID3决策树（java实现）

人工智能

ID3

决策树

5星 · 超过95%的资源需积分: 23 455 浏览量更新于2023-05-28 评论 3 收藏 242KB DOC 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

试读

22页

已知：UCI标准数据集Car-Evaluation，定义了汽车性价比的4 个类别；求：用ID3算法建立Car-Evaluation的属性描述决策树 Car-Evaluation训练数据集文件： 1. car_databases.pdf 2. car_evalution-databases.pdf

资源详情

资源评论

资源推荐

实验课程名称： __ 人工智能 _

实验项目名称决策树 ID3 算法

实验成绩

实验者专业班级学号

实验日期

2017.11.05

一、实验内容

已知：UCI 标准数据集 Car-Evaluation，定义了汽车性价比的 4 个类别；

求：用 ID3 算法建立 Car-Evaluation 的属性描述决策树

Car-Evaluation 训练数据集文件：

1. car_databases.pdf

2. car_evalution-databases.pdf

二、实验设计（原理分析及流程）

1.基于 ID3 算法的决策树构建

决策树是一种树状结构，其中每个节点代表数据集的一个属性分支，树梢节

点则代表样本的类分布。

ID3 算法则是通过计算样本在不同属性分支下的条件熵，寻找使样本信息

熵损失最小的属性分支实现样本的决策分类的。条件熵的计算公式：

其中，X 代表样本，Y 代表属性，上式计算的是在不同属性条件下样本的分

布情况。最优的属性是使得样本分布最集中的，因此其相应的条件熵也应最小。

2.算法伪代码：

算法 Decision_Tree(data,AttributeName)

输入训练样本集 car_evaluation-databases

输出一棵决策树

1 候选属性集合列表 attribute_list；

2 Ifattribute_list 为空 then

以 samples中最普遍的类标记，并 exit

3 选择 attribute_list中具有最小条件熵的属性 test_attribute

4 将 test_attribute 标记为节点 N

5 for each test_attribute 的已知值 v

6 由节点 N 分出一个对应 test_attribute = v 的分支

7 令 S

为 samples 中 test_attribute = v 的样本集合

8 If S

的条件熵为 0，

then 加上一个叶节点，以该集合中最普遍的类标记

else 从 attribute_list 删去 test_attribute，并加入一

个由 Decision_Tree(S

, attribute_list)返回的节点值

流程图如下：

三、实验代码及数据记录

1.代码

//File.java

import java.io.BufferedReader;

import java.io.FileInputStream;

import java.io.IOException;

import java.io.InputStream;

import java.io.InputStreamReader;

import java.net.URI;

import java.net.URL;

import java.util.Vector;

public class File {

@SuppressWarnings({ "unchecked", "unused" })

public Vector<Object>[] ReadDataFromFile(String filename) throws Exception {

Vector<Object>[]data = null;

InputStream inputstream = new FileInputStream(filename);

if(inputstream == null){

System.out.println("inputstream is null!\n");

}

InputStreamReader inputstreamreader = new InputStreamReader(inputstream);

BufferedReader bufferedreader = new BufferedReader(inputstreamreader);

String rowdata = bufferedreader.readLine();

rowdata = bufferedreader.readLine();//跳过属性行

if (rowdata!=null) {

data=new Vector[rowdata.split(",").length];

for (int i = 0; i < data.length; i++) {

data[i]=new Vector<Object>();

}

while ((rowdata=bufferedreader.readLine()) != null) {

String []s=rowdata.split(",");

for (int i = 0; i < data.length; i++) {

data[i].add(s[i]);

}

inputstreamreader.close();

bufferedreader.close();

return data;

}

/**

* 获取属性

@SuppressWarnings("unused")

public Vector<Object> GetAttributeFromFile(String filename) throws IOException {

Vector<Object> data=new Vector<Object>();

InputStream inputstream = new FileInputStream(filename);

if(inputstream == null){

System.out.println("inputstream is null!\n");

}

InputStreamReader inputstreamreader = new InputStreamReader(inputstream);

BufferedReader bufferedreader = new BufferedReader(inputstreamreader);

String rowdata = bufferedreader.readLine();

if (!rowdata.equals("")) {

String []t=rowdata.split(",");//读了两行

for (String st : t) {

data.add(st);

}

inputstreamreader.close();

bufferedreader.close();

return data;

}

//Gain.java

import java.util.HashMap;

import java.util.Iterator;

import java.util.Map;

import java.util.Vector;

public class Gain {

/**

剩余21页未读，继续阅读

Ellen_137954353

2018-11-19

还行可以运行，但是数据有点问题

普通网友

粉丝: 3
资源:
25

上传资源快速赚钱

我的内容管理收起

我的资源快来上传第一个资源

我的收益

登录查看自己的收益

我的积分登录查看自己的积分

我的C币登录后查看C币余额

我的收藏

我的下载

下载帮助

会员权益专享

人工智能实验 ID3决策树（java实现）

评论2

会员权益专享

最新资源

人工智能实验 ID3决策树（java实现）

评论2

id3决策树 matlab

java实现决策树代码

实现一个基于id3算法的决策树分类器

id3决策树算法流程图

决策树算法实现垃圾邮件分类

java实现C4.5决策树代码

决策树算法原理以及代码实现

决策树算法原理代码实现

实现ID3训练好的决策树

决策树id3算法python实现实例

为什么要选择信息增益最大的属性作为ID3决策树的最优的属性划分

python实现决策树

使用决策树实现以上代码

决策树ID3算法后剪枝

python如何实现决策树

由决策树字典得到决策树可视化

会员权益专享

最新资源