执行决策树

我正在学习如何在C＃中实现简单的决策树。有人可以解释我，它是如何看起来像伪代码或有一些简单的教程在C＃中实现？执行决策树

我有这样的数据集：

（从这里开始：http://storm.cis.fordham.edu/~gweiss/data-mining/weka-data/weather.nominal.arff）

，我已经做了图形决策树

（对不起，我的英语）

来源

2016-10-03 Revolt

没有实现决策树的方法之一。有很多不同的技术和算法。您可以手动编码选项。您可以像创建一个决策表一样创建一个决策表并对其进行查询。你甚至可以使用一个实际的树，其节点是规则标签。找到一个特定的答案，然后将找到一个具有特定路径的叶节点相同 –

我正在寻找最简单的方法来实现它...需要一些指南开始。 – Revolt

最简单的方法是阅读有关决策树和实现的内容，并找到最适合您的一个。 –

要回答这个问题的一部分，显然是conc决策树的ept描述为here。为了实现上述类型的决策树，您可以声明与您的问题中的表格类型匹配的类。基于这种类型，您需要创建一个树形数据结构，其中子项的数量不受限制。尽管实际数据仅包含在树叶中，但最好将基本类型的每个成员定义为可空。这样，在每个节点中，您只能设置设置为其子级特定值的成员。另外，应该表示值为no和yes的节点的数量。

来源

2016-10-03 08:32:12 Codor

我的想法是只有这个：

if outlook = "overcast" then no 
if outlook = "sunny" and humidity = "normal" then yes 
if outlook = "sunny" and humidity = "high" then no 
if outlook = "rain" and wind = "true" then no 
if outlook = "rain" and wind = "fasle" then yes

我真的不知道，该如何继续

来源

2016-10-03 14:52:33 Revolt

如果您正在构建基于ID3算法的决策树，你可以参考这个伪代码。

ID3 (Examples, Target_Attribute, Attributes) 
Create a root node for the tree 
If all examples are positive, Return the single-node tree Root, with label = +. 
If all examples are negative, Return the single-node tree Root, with label = -. 
If number of predicting attributes is empty, then Return the single node tree Root, 
with label = most common value of the target attribute in the examples. 
Otherwise Begin 
    A ← The Attribute that best classifies examples. 
    Decision Tree attribute for Root = A. 
    For each possible value, vi, of A, 
     Add a new tree branch below Root, corresponding to the test A = vi. 
     Let Examples(vi) be the subset of examples that have the value vi for A 
     If Examples(vi) is empty 
      Then below this new branch add a leaf node with label = most common target value in the examples 
     Else below this new branch add the subtree ID3 (Examples(vi), Target_Attribute, Attributes – {A}) 
End 
Return Root

如果您想了解更多关于ID3算法，请到链接

来源

2016-12-08 11:01:35

回答

相关问题