【MATLAB】机器学习：决策树算法实验

实验内容

1 使用决策数实现西瓜数据集2.0的分类(随机十次的结果取平均)；
2 使用决策数实现鸢尾花的分类(随机十次的结果取平均) ；
3 画出十次实验的精度变化曲线图。

实验代码

%%******************************问题一****************************
%*****************************************************************
clear;clc;
%% 导入西瓜数据
watermelon=[1,1,1,1,1,1,1;2,1,2,1,1,1,1;2,1,1,1,1,1,1;1,1,2,1,1,1,1;3,1,1,1,1,1,1;1,2,1,1,2,2,1;2,2,1,2,2,2,1;2,2,1,1,2,1,1;2,2,2,2,2,1,2;1,3,3,1,3,2,2;3,3,3,3,3,1,2;3,1,1,3,3,2,2;1,2,1,2,1,1,2;3,1,2,2,1,1,2;2,2,1,1,2,2,2;3,1,1,3,3,1,2;1,1,2,2,2,1,2;];
pattern=watermelon(:,1:6);
target=watermelon(:,7);
%% 留出法划分训练集和测试集
for i=1:10num=randperm(size(watermelon,1));train_patterns=pattern(num(1:round(length(num)*2/3)),:);test_patterns=pattern(num(round(length(num)*2/3)+1:end),:);train_targets=target(num(1:round(length(num)*2/3)),:);test_targets_true=target(num(round(length(num)*2/3)+1:end),:);%决策树分类计算精度[test_targets_predict]= C4_5(train_patterns', train_targets', test_patterns', 5, 10);test_targets_predict=test_targets_predict';equal=(test_targets_predict==test_targets_true);acc(1,i)=sum(equal)/size(equal,1);
end
%% 绘制精度曲线
plot([1:10],acc);
hold on;
axis([1,10,0,1]);
xlabel("次数");
ylabel("精度");
legend("西瓜数据的十次实验的精度变化曲线图");%%********************************问题二************************************
%***************************************************************************
clear;clc;
%% 导入鸢尾花数据
iris = readtable('iris.data','Filetype','text','ReadVariableNames',false);
pattern=iris{:,1:4};
target=iris{:,5};
for i=1:size(pattern,1)if strcmp(target(i,1),'Iris-setosa')label(i,1)=1;elseif strcmp(target(i,1),'Iris-versicolor')label(i,1)=2;elselabel(i,1)=3;end;
end
%% 留出法划分训练集和测试集
for i=1:10num=randperm(size(pattern,1));train_patterns=pattern(num(1:round(length(num)*2/3)),:);train_targets=label(num(1:round(length(num)*2/3)),:);test_patterns=pattern(num(round(length(num)*2/3)+1:end),:);test_targets_true=label(num(round(length(num)*2/3)+1:end),:);%决策树分类计算精度[test_targets_predict]= C4_5(train_patterns', train_targets', test_patterns', 5, 10);test_targets_predict=test_targets_predict';equal=(test_targets_predict==test_targets_true);acc(1,i)=sum(equal)/size(equal,1);
end%%**********************************问题三*********************************
%**************************************************************************
%% 绘制精度曲线
plot([1:10],acc);
hold on;
axis([1,10,0,1]);
xlabel("次数");
ylabel("精度");
legend("鸢尾花数据的十次实验的精度变化曲线图");

C4_5函数调用文件见如下链接：
决策树源码文件

实验结果

实验心得

通过本次“决策树算法”实验，首先，我对决策树的方法理解更加深刻。其次，能够理解决策树算法实验中c4_5函数的代码。最后，能通过调用决策树算法的c4_5函数实现对西瓜数据和鸢尾花数据的分类，结果发现：决策树算法对鸢尾花的预测精度在90%上下波动，而西瓜的预测精度则在50%左右波动。

【MATLAB】机器学习：决策树算法实验相关推荐

[飞桨机器学习]决策树算法
[飞桨机器学习]决策树算法一.简介 1.概述决策树算法是一种逼近离散函数值的方法.它是一种典型的分类方法,首先对数据进行处理,利用归纳算法生成可读的规则和决策树,然后使用决策对新数据进行分析.本质 ...
机器学习-决策树算法ID3实现，含例子(红酒分类）
决策树原理实现代码如下所示:(参考自机器学习实践 Peter Harrington). import mathx=[[0,1,"no"],[0,1,"no"], ...
机器学习-决策树算法原理及实现-附python代码
1.决策树-分类树 sklearn.tree.DecisionTreeClassifier官方地址: https://scikit-learn.org/stable/modules/generated ...
机器学习决策树算法
4.1 决策树算法简介学习目标知道什么是决策树能够通过sklearn实现决策树分类,进一步认识决策树 1 概念决策树思想的来源非常朴素,程序设计中的条件分支结构就是if-else结构,最早的决 ...
机器学习——决策树算法
文章目录一.决策树介绍二.利用信息增益选择最优划分属性三.ID3代码实现 1.jupyter下python实现 2. 使用sklearn实现ID3 四.C4.5算法实现五.CART算法实现六 ...
python决策树原理_Python机器学习决策树算法 | kTWO-个人博客
ps:这篇文章主要来介绍决策树算法的基本原理和概念.具体的Python应用将在下一篇文章中介绍. 1.什么是决策树? 决策树(decision tree)也叫做判定树,类似于流程图的结构,每个内部的结 ...
机器学习决策树算法泰坦尼克号乘客生存预测
目录 1 决策树算法api 2 泰坦尼克号乘客案例背景 2.1 步骤分析 2.2 代码实现 2.3 决策树可视化 2.3.1 保存树的结构到dot文件 2.3.2 网站显示结构 3 决策树总结 4 小 ...
机器学习——决策树算法原理及案例
机器学习在各个领域都有广泛的应用,特别在数据分析领域有着深远的影响.决策树是机器学习中最基础且应用最广泛的算法模型.本文介绍了机器学习的相关概念.常见的算法分类和决策树模型及应用.通过一个决策树案例, ...
Python数据分析实战【十二】：机器学习决策树算法案例实战【文末源码地址】
文章目录构造数据决策树解决报错解决源码地址构造数据我们用pandas生成20条数据,其中标签为bad的数据有6条,标签为good的数据有14条,代码如下: import pandas as ...