《分类挖掘算法(共3页).doc》由会员分享，可在线阅读，更多相关《分类挖掘算法(共3页).doc（3页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上实验三 分类挖掘算法（C4.5）一、实验目的1、理解分类2、掌握分类挖掘算法C4.53、为改进C4.5打下基础二、实验内容1、选定一个数据集（可以参考教学中使用的数据集）2、选择合适的实现环境和工具实现算法C4.53、给出分类规则三、实验原理C4.5是机器学习算法中的另一个分类决策树算法，它是基于ID3算法进行改进后的一种重要算法，相比于ID3算法，改进有如下几个要点：1)用信息增益率来选择属性。ID3选择属性用的是子树的信息增益，这里可以用很多方法来定义信息，ID3使用的是熵（entropy，熵是一种不纯度度量准则），也就是熵的变化值，而C4.5用的是信息增益率。2
2、)在决策树构造过程中进行剪枝，因为某些具有很少元素的结点可能会使构造的决策树过适应（Overfitting），如果不考虑这些结点可能会更好。3)对非离散数据也能处理。4)能够对不完整数据进行处理。信息增益计算公式：信息熵计算公式：信息增益率公式：其中，IG就是前面的信息增益，IV计算公式如下： 简化公式如下：其中，V表示属性集合A中的一个属性的全部取值。四、实验要求1、数据集具有一定的代表性，可以使用数据库技术管理2、实现界面友好3、提交实验报告：实验题目、目的、数据集描述、实验环境、过程、结果和分析等。五、实验步骤1、毕业生就业信息数据集，如图1所示：图1 毕业生就业信息数据集图中数据是经过
3、预处理的数据集，从表中我们可以得到类标号属性“就业情况”有2个不同的值（“已”，“未”），因此有2个不同的类。其中对应于类值“已”有14个样本，类值“未”有8个样本。2、算法流程假设用S代表当前样本集，当前候选属性集用A表示，则C4.5算法的伪代码如下：算法：Generate_decision_tree由给定的训练数据产生一棵决策树输入：训练样本samples；候选属性的集合attributelist输出：一棵决策树（1）创建根节点N；（2）IF S都属于同一类C，则返回N为叶节点，标记为类C；（3）IF attributelist为空或 S中所剩的样本数少于某给定值（4）则返回N为叶节点，标
4、记N为S中出现最多的类；（5）FOR each attributelist中的属性（6）计算信息增益率information gain ratio；（7）N的测试属性test.attribute = attributelist具有最高信息增益率的属性；（8）IF测试属性为连续型（9）则找到该属性的分割阈值；（10）For each由节点N一个新的叶子节点（11）If该叶子节点对应的样本子集S为空（12）则分裂此叶子节点生成新叶节点，将其标记为S中出现最多的类（13）Else在该叶子节点上执行C4.5formtree(S, S.attributelist)，继续对它分裂； （14）计算每个节点的
5、分类错误，进行剪枝。3、程序实现PrintTree(T);/Display entire decision tree TShow(T, Sh);/ Display the tree T with offset ShShowBranch(Sh, T, v);/ Print a node T with offset Sh, branch value v, and continueshort MaxLine(St);/ Find the maximum single line size for non-leaf subtree St.ndent(Sh, Mark);/ Indent Sh colum
6、nsSaveTree(T, Extension);/ Save entire decision tree T in file with extension ExtensionOutTree(T);/ Save tree T as charactersTree GetTree(Extension);/ Retrieve entire decision tree with extension ExtensionTree InTree();/Retrieve tree from saved charactersStreamOut(s, n);/ Stream characters to/from f
7、ile TRf from/to an addressReleaseTree(Node);/ Free up space taken up by tree NodeTree Leaf(ClassFreq, NodeClass, Cases, Errors);/ Construct a leaf in a given nodeSprout(Node, Branches);/ Insert branches in a nodeTreeSize(Node);/ Count the nodes in a treeTree CopyTree(T);/ Return a copy of tree TSaveDiscreteNames();/Save attribute values read with discrete NRecoverDiscreteNames();/Recover attribute values read with discrete N六、实验结果 最终得到的决策树，如图2所示：图2 毕业生就业情况判定树专心-专注-专业