#include#include#include#include#include#include#include using namespace std;#define MAXLEN 6//定义的属性个数 //自定义的决策树节点struct Node{ string attribute;//属性值 string arrived_value;//到达的属性值 vector childs;//所有的分差节点，vector装入 Node（）{ // 初始化的时候均设为空值 attribute = ““; arrived_value = ““; }}* root;vector > state;//保存整个实例集vector item（MAXLEN）;//对应实例集中的某一行vector attribute_row;//保存首行即属性行数据string attrName[MAXLEN] = {“RID“ “model“ “perfume“ “price“ “income“ “buyaction“};map > map_attribute_values;//存储属性对应的所有的值int tree_size = 0;// 将数据以文件流的形式输入 void DataInit（）{ ifstream fin（“data2.txt“）; string s; int i j; while（fin >> s s.compare（“end“） != 0）{ //当输入结束时s.compare（“end“）的值为-1 item[0] = s; //第一个值保存的是RID for（int i = 1;i < MAXLEN; i++）{ fin >> item[i]; } state.push_back（item）; } for（j = 0; j < MAXLEN; j++）{ attribute_row.push_back（attrName[j]）; // 初始化属性栏值 } fin.close（）;}// log2为底通过换底公式换成自然数底数double lg2（double n） { return log（n）/log（2）; } //根据数据实例存储属性对应的所有的值void MapAttributeValue（）{ unsigned int ijk; bool exited = false; vector values; //按照列遍历（每个属性对应一列） for（i = 1; i < MAXLEN-1; i++）{ for （j = 0; j < state.size（）; j++）{ for （k = 0; k < values.size（）; k++）{ //如果该属性值已经存在则退出循环 if（!values[k].compare（state[j][i]）） { exited = true; break; } } //如果循环后的exited值仍为false说明该属性值并未出现过 //将其加入到暂时存放的向量中 if（!exited）{ values.push_back（state[j][i]）; } exited = false; //注意此处重置值 } map_attribute_values[attrName[i]] = values; //相对应的放入 values.clear（）; //为了存放下一次的属性值清空 } }//根据具体属性和值来计算熵double Entropy（vector > remain_state string attribute string valuebool ifparent）{ vector count （20）; int ij; bool flag = false; for（j = 1; j < MAXLEN; j++）{ if（flag） break; if（!attribute_row[j].compare（attribute））{ for（i = 1; i < remain_state.size（）; i++）{ if（（!ifparent&&!remain_state[i][j].compare（value）） || ifparent）{//ifparent记录是否算父节点 if（!remain_state[i][MAXLEN - 1].compare（“yes“））{ count[0]++; //count[0]记录实例中yes的值 } else count[1]++;//count[1]记录实例中no的值 } } flag = true; } } //全部是正实例或者负实例 if（count[0] == 0 || count[1] == 0 ） return 0; //具体计算熵 double sum = count[0] + count[1]; double entropy = -count[0]/sum * lg2（（double）count[0] / sum） - count[1]/sum * lg2（（double）count[1] / sum）; return entropy;} //计算按照属性attribute划分当前剩余实例的信息增益double Gain（vector > remain_state string attribute）{ unsigned int jkm; //首先求不做划分时的熵，即根的熵值 double parent_entropy = Entropy（remain_state attribute ““ true）; double children_entropy = 0; //然后求做划分后各个值的熵 vector values = map_attribute_values[attribute]; vector<
共有 条评论
川公网安备 51152502000135号
评论
共有 条评论