ID3模式识别.docVIP

  1. 1、本文档共3页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
ID3模式识别

这次介绍一下Id3源码,这次用Weka的源码介绍一下。首先Id3是继承于Classifier的: public class Id3 extends Classifier Id3[]成员变量是递归保存树的变量,数据中每一个元素都是当前结点的子结点。 /** The nodes successors. */ private Id3[] m_Successors; Attribute是属性类,m_Attribute是分裂属性 /** Attribute used for splitting. */ private Attribute m_Attribute; 如果当前结果是叶子结点,m_ClassValue是类别,到底double代表什么,以前讲过了,一会再讲 /** Class value if node is leaf. */ private double m_ClassValue; Distribution表示的是这个结点属于某个类别的概率,如m_Distribution[0] == 0.1表示当前结点属于类别0的概率为0.1 /** Class distribution if node is leaf. */ private double[] m_Distribution; 数据集的类别,以前也讲过了 /** Class attribute of dataset. */ private Attribute m_ClassAttribute; ? 以前也讲过,继承自Classifier类的类都要实现buildClassifier函数。 public void buildClassifier(Instances data) throws Exception { ? // can classifier handle the data? getCapabilities().testWithFail(data); ? // remove instances with missing class data = new Instances(data); data.deleteWithMissingClass(); ? makeTree(data); } getCapabilities().testWithFail(data)是判断是否ID3能处理选择的数据集,比如什么连续属性,类别索引没有设置等等。 而data.deleteWithMissingClass则是删除有缺失样本的函数,具体代码如下: for (int i = 0; i numInstances(); i++) { if (!instance(i).isMissing(attIndex)) { newInstances.addElement(instance(i)); } } m_Instances = newInstances; 简单一点,不用为上面的东西分心,关注makeTree(data)就行了: // Compute attribute with maximum information gain. double[] infoGains = new double[data.numAttributes()]; Enumeration attEnum = data.enumerateAttributes(); while (attEnum.hasMoreElements()) { Attribute att = (Attribute) attEnum.nextElement(); infoGains[att.index()] = computeInfoGain(data, att); } m_Attribute = data.attribute(Utils.maxIndex(infoGains)); infoGains保存每个属性的信息增益(IG),枚举每个属性,用computeInfoGain函数计算信息增益值。Util.maxIndex返回信息增益最大的下标,这个属性作为分裂属性保存在m_Attribute成员变量中。 // Make leaf if information gain is zero. if (Utils.eq(infoGains[m_Attribute.index()], 0)) { m_Attribute = null; m_Distribution = new double[data.numClasses()]; Enumeration instEnum = data.enumerateInstances(); while (instEnum.hasMoreElements()) { I

文档评论(0)

qwd513620855 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档