决策树天气预测

matlab算法应用 数据挖掘课程中用决策树算法进行天气预测

function type=id3（ PValue ）
    global node child_value child_node_num
    [nodechild_valuechild_node_num]=ID3（）;
    n=1;        %从树的根结点（即node{1}）开始查找
    k=1;
    while ~isempty（child_node_num{n}）%当非空时执行循环语句
        for i=1:length（child_value{n}）
            if PValue（node{n}）==child_value{n}（i）
                n=child_node_num{n}（i）;break;
            end            
        end
       if i==length（child_value{n}）
            % 若这个值在分类器中不存在，则取其最近的值进行分类
           PValue（node{n}）=PValue（node{n}）+0.1*k;
       end
        k=（-1）^k*（ abs（k）+1 ）;
    end
    type=node{n};
end

% 函数返回一棵决策树
function  [nodechild_valuechild_node_num]=ID3（）
    clear;
    clear global node child_value child_node_num;%从工作空间清除指定的全局变量node child_value child_node_num
    global node child_value child_node_num%将变量node child_value child_node_num定义成全局变量
    [SL SW PL PW CN]=textread（‘traint .txt‘‘%f %f %f %f %s‘）;
    DValue=[SL SW PL PW];    %SL=DValue（:1）
    for i=1:length（SL）
        A（i）=i;
    end
    ClassPNum=[1 2 3 4];
    m=0;
    [nodechild_valuechild_node_num]=TreeNode（ DValue CN A ClassPNumm ）; 
end

% 生成树结点
% DValue--前四列数据
% A--参与划分的行号
% CN--属性值的集合（第5列数据）
% ClassPNum为划分的剩余属性编号
% 当前node的父亲结点为node{m}
function [nodechild_valuechild_node_num]=TreeNode（ DValue CN A ClassPNumm）
    global node child_value child_node_num
    %ClassName={‘SL‘ ‘SW‘ ‘PL‘ ‘PW‘};
    n=length（node）;
    if m>0
        %如果父亲结点存在，将本结点的序号存入父亲结点的子结点序号集中
        k=length（child_node_num{m}）;
        child_node_num{m}（k+1）=n+1;
    end
    % 1、样本为空，则树为空
    if isempty（DValue）%DValue为空阵列时isempty（DValue）=1否则返回0
        node{ n+1 }=[];
        child_value{ n+1 }=[];
        child_node_num{ n+1 }=[];
        return;
    end 
    % 2、用于划分的剩余属性为空，选择多数元组所在的类作为结点
    if isempty（ ClassPNum ） 
       node{ n+1 }=find_most（ CNA ）;
       child_value{ n+1 }=[];
       child_node_num{ n+1 }=[];
       return;
    end 
    % 3、样本中所有数据都属于同一类，将此类作为结点
    CNRowNum=CN_sta（ CN A）;
    if length（ find（CNRowNum==0） ）>=2
        node{ n+1 }=CN{A（1）};
        child_value{ n+1 }=[];
        child_node_num{ n+1 }=[];
        return;
    % 4、样本中所有数据不属于同一类
    else
        I=Exp（ CNA ）;
        for i=1:length（ ClassPNum ）            
            Entropy（i）=avg_entropy（ DValue（:ClassPNum（i）） A CN）;
            Gain（i）=I-Entropy（i）;
        end
        % 4.1、各属性的信息增益均小于0，选择多数元组所在的类作为结点
        if max（Gain）<=0
            node{ n+1 }=find_most（ CNA ）;
            child_value{ n+1 }=[];
            child_node_num{ n+1 }=[];
        return;
        % 4.2、在信息增益最大的属性上进行划分
        else
            maxG=find（ Gain==max（Gain） ）;
            [PValue RowNum]=type_sta（ DValue（:ClassPNum（maxG（1））） A ）;
            node{ n+1 }=ClassPNum（maxG（1））;
            child_value{ n+1 }=PValue;
            child_node_num{ n+1 }=[];
            ClassPNum（maxG）=[];     % 删除ClassPNum（maxG）--已经进行划分的属性
            for i=1:length（P

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        5462  2012-11-28 22:41  天气预测\id3.m
     文件        2284  2012-11-28 22:42  天气预测\mymain.m
     文件       25960  2012-11-29 10:15  天气预测\traint .txt
     目录           0  2012-12-10 09:17  天气预测\