数据挖掘决策树算法Java实现.rtf资料文档下载
《数据挖掘决策树算法Java实现.rtf资料文档下载》由会员分享，可在线阅读，更多相关《数据挖掘决策树算法Java实现.rtf资料文档下载（10页珍藏版）》请在冰点文库上搜索。
publicLinkedHashSetgetChilds（）returnthis.childs;
publicvoidsetChilds（LinkedHashSetchilds）this.childs=childs;
/决策树类classDecisionTreeTreeNoderoot;
/决策树的树根结点publicDecisionTree（）root=newTreeNode（）;
publicDecisionTree（TreeNoderoot）this.root=root;
publicTreeNodegetRoot（）returnroot;
publicvoidsetRoot（TreeNoderoot）this.root=root;
publicStringselectAtrribute（TreeNodenode,StringdeData,booleanflags,LinkedHashSetatrributes,HashMapattrIndexMap）/Gain数组存放当前结点未分类属性的Gain值doubleGain=newdoubleatrributes.size（）;
/每条数据中归类的下标，为每条数据的最后一个值intclass_index=deData0.length-1;
/属性名，该结点在该属性上进行分类Stringreturn_atrribute=null;
/计算每个未分类属性的Gain值intcount=0;
/计算到第几个属性for（Stringatrribute:
atrributes）/该属性有多少个值，该属性有多少个分类intvalues_count,class_count;
/属性值对应的下标intindex=attrIndexMap.get（atrribute）;
/存放属性的各个值和分类值LinkedHashSetvalues=newLinkedHashSet（）;
LinkedHashSetclasses=newLinkedHashSet（）;
for（inti=0;
ideData.length;
i+）if（flagsi=true）values.add（deDataiindex）;
classes.add（deDataiclass_index）;
values_count=values.size（）;
class_count=classes.size（）;
intvalues_vector=newintvalues_count*class_count;
intclass_vector=newintclass_count;
i+）if（flagsi=true）intj=0;
for（Stringv:
values）if（deDataiindex.equals（v）break;
elsej+;
intk=0;
for（Stringc:
classes）if（deDataiclass_index.equals（c）break;
elsek+;
values_vectorj*class_count+k+;
class_vectork+;
/*/输出各项统计值for（inti=0;
ivalues_count*class_count;
i+）System.out.print（values_vectori+）;
System.out.println（）;
iclass_count;
i+）System.out.print（class_vectori+）;
*/计算InforDdoubleInfoD=0.0;
doubleclass_total=0.0;
iclass_vector.length;
i+）class_total+=class_vectori;
i+）if（class_vectori=0）continue;
elsedoubled=Math.log（class_vectori/class_total）/Math.log（2.0）*class_vectori/class_total;
InfoD=InfoD-d;
/计算InfoAdoubleInfoA=0.0;
ivalues_count;
i+）doublemiddle=0.0;
doubleattr_count=0.0;
for（intj=0;
jclass_count;
j+）attr_count+=values_vectori*class_count+j;
jmax）max=Gaini;
return_atrribute=atrribute;
i+;
returnreturn_atrribute;
/node：
在当前结点构造决策树/deData：
数据集/flags：
指示在当前结点构造决策树时哪些数据是需要的/attributes：
未分类的属性集/attrIndexMap：
属性与对应数据下标publicvoidbuildDecisionTree（TreeNodenode,StringdeData,booleanflags,LinkedHashSetattributes,HashMapattrIndexMap）/如果待分类属性已空if（attributes.isEmpty（）=true）/从数据集中选择多数类，遍历符合条件的所有数据HashMapclassMap=newHashMap（）;
intclassIndex=deData0.length-1;
i+）if（flagsi=true）if（classMap.containsKey（deDataiclassIndex）intcount=classMap.get（deDataiclassIndex）;
classMap.put（deDataiclassIndex,count+1）;
elseclassMap.put（deDataiclassIndex,1）;
/选择多数类StringmostClass=null;
intmostCount=0;
Iteratorit=classMap.keySet（）.iterator（）;
while（it.hasNext（）StringstrClass=（String）it.next（）;
if（classMap.get（strClass）mostCount）mostClass=strClass;
mostCount=classMap.get（strClass）;
/对结点进行赋值，该结点为叶结点node.setElement（mostClass）;
node.setChilds（null）;
System.out.println（yezhi:
+node.getElement（）+:
+node.getValue（）;
return;
/如果待分类数据全都属于一个类intclass_index=deData0.length-1;
Stringclass_name=null;
HashSetclassSet=newHashSet（）;
i+）if（flagsi=true）class_name=deDataiclass_index;
classSet.add（class_name）;
/则该结点为叶结点，设置有关值，然后返回if（classSet.size（）=1）node.setElement（class_name）;
System.out.println（leaf:
/给定的分枝没有元组，是不是有这种情况？
/选择一个分类属性Stringattribute=selectAtrribute（node,deData,flags,attributes,attrIndexMap）;
/设置分裂结点的值node.setElement（attribute）;
/System.out.println（attribute）;
if（node=root）System.out.println（root:
elseSystem.out.println（branch:
/生成和设置各个子结点intattrIndex=attrIndexMap.get（attribute）;
LinkedHashSetattrValues=newLinkedHashSet（）;
i+）if（flagsi=true）attrValues.add（deDataiattrIndex）;
LinkedHashSetchilds=newLinkedHashSet（）;
for（StringattrValue:
attrValues）TreeNodetn=newTreeNode（attrValue）;
childs.add（tn）;
node.setChilds（childs）;
/在候选分类属性中删除当前属性attributes.remove（attribute）;
/在各个子结点上递归调用本函数if（childs.isEmpty（）!
=true）for（TreeNodechild:
childs）/设置子结点待分类的数据集booleannewFlags=newbooleandeData.length;
i+）newFlagsi=flagsi;
if（deDataiattrIndex!
=child.getValue（）newFlagsi=false;
/设置子结点待分类的属性集LinkedHashSetnewAttributes=newLinkedHashSet（）;
for（Stringattr:
attributes）newAttributes.add（attr）;
/在子结点上递归生成决策树buildDecisionTree（child,deData,newFlags,newAttributes,attrIndexMap）;
/输出决策树publicvoidprintDecisionTree（）publicclassDeTreepublicstaticvoidmain（Stringargs）/*/输入数据集1StringdeData=newString12;
deData0=newStringYes,No,No,Yes,Some,high,No,Yes,French,010,Yes;
deData1=newStringYes,No,No,Yes,Full,low,No,No,Thai,3060,No;
deData2=newStringNo,Yes,No,No,Some,low,No,No,Burger,010,Yes;
deData3=newStringYes,No,Yes,Yes,Full,low,Yes,No,Thai,1030,Yes;
deData4=newStringYes,No,Yes,No,Full,high,No,Yes,French,60,No;
deData5=newStringNo,Yes,No,Yes,Some,middle,Yes,Yes,Italian,010,Yes;
deData6=newStringNo,Yes,No,No,None,low,Yes,No,Burger,010,No;
deData7=newStringNo,No,No,Yes,Some,middle,Yes,Yes,Thai,010,Yes;
deData8=newStringNo,Yes,Yes,No,Full,low,Yes,No,Burger,60,No;
deData9=newStringYes,Yes,Yes,Yes,Full,high,No,Yes,Italian,1030,No;
deData10=newStringNo,No,No,No,None,low,No,No,Thai,010,No;
deData11=newStringYes,Yes,Yes,Yes,Full,low,No,No,Burger,3060,Yes;
/待分类的属性集1Stringattr=newStringalt,bar,fri,hun,pat,price,rain,res,type,est;
*/输入数据集2StringdeData=newString14;
deData0=newStringyouth,high,no,fair,no;
deData1=newStringyouth,high,no,excellent,no;
deData2=newStringmiddle_aged,high,no,fair,yes;
deData3=newStringsenior,medium,no,fair,yes;
deData4=newStringsenior,low,yes,fair,yes;
deData5=newStringsenior,low,yes,excellent,no;
deData6=newStringmiddle_aged,low,yes,excellent,yes;
deData7=newStringyouth,medium,no,fair,no;
deData8=newStringyouth,low,yes,fair,yes;
deData9=newStringsenior,medium,yes,fair,yes;
deData10=newStringyouth,medium,yes,excellent,yes;
deData11=newStringmiddle_aged,medium,no,excellent,yes;
deData12=newStringmiddle_aged,high,yes,fair,yes;
deData13=newStringsenior,medium,no,excellent,no;
/待分类的属性集2Stringattr=newStringage,income,student,credit_rating;
LinkedHashSetattributes=newLinkedHashSet（）;
iattr.length;
i+）attributes.add（attri）;
/属性与数据集中对应数据的下标HashMapattrIndexMap=newHashMap（）;
i+）attrIndexMap.put（attri,i）;
/需要分类的数据，初始为整个数据集booleanflags=newbooleandeData.length;
i+）flagsi=true;
/构造决策树TreeNoderoot=newTreeNode（）;
DecisionTreedecisionTree=newDecisionTree（root）;
decisionTree.buildDecisionTree（root,deData,flags,attributes,attrIndexMap）;
升级会员 