机器学习概论课程实验决策树算法-Read.PDF

《机器学习概论》课程实验：决策树算法 一．实验内容 1．目标： 实现一个决策树算法，预测一个人的年收入能否超过 50K 2 ．数据： 在这个实验中，我们使用 UCI （University of California, Irvine ）提供的机器学习资源中 的Adult 数据库。该数据库中，每个样本数据有 14 个属性（6 个连续属性，8 个离散属性） 以及一个所属分类的标记。为了降低实验的难度，我们已经去掉了6 个连续属性。另外，还 去掉了其中有属性缺失的样本。因此所有数据样本均有 8 个离散属性。 在实验中用到的数据在两个文件中：训练数据在文件 adult.train.10k.discrete 中，测试 数据文件为 adult.test.10k.discrete，每个文件中有 10,000 个样本。两个文件及本说明打包压 缩为 general.zip 文件。 分类标记：在每个样本的最前面给出 50K, =50K. 属性： （1）workclass: (8 values) Private, Self-emp-not-inc, Self-emp-inc, Federal-gov, Local-gov, State-gov, Without-pay, Never-worked. （2 ）education: (16 values) Bachelors, Some-college, 11th, HS-grad, Prof-school, Assoc-acdm, Assoc-voc, 9th, 7th-8th, 12th, Masters, 1st-4th, 10th, Doctorate, 5th-6th, Preschool. （3 ）marital-status: （7 values ） Married-civ-spouse, Divorced, Never-married, Separated, Widowed, Married-spouse-absent, Married-AF-spouse. （4 ） occupation: （14 values ） Tech-support, Craft-repair, Other-service, Sales, Exec-managerial, Prof-specialty, Handlers-cleaners, Machine-op-inspct, Adm-clerical, Farming-fishing, Transport-moving, Priv-house-serv, Protective-serv, Armed-Forces. （5 ）relationship: （6 values ）Wife, Own-child, Husband, Not-in-family, Other-relative, Unmarried. （6 ）race: （5 values ）White, Asian-Pac-Islander, Amer-Indian-Eskimo, Other, Black. （7 ）sex: （2 values ） Female, Male. （8 ）native-country(region): （41 values ） United-States, Cambodia, England, Puerto-Rico, Canada, Germany, Outlying-US(Guam-USVI-etc), India, Japan, Greece, South, China, Cuba, Iran, Honduras, Philippines, Italy, Poland, Jamaica, Vietnam, Mexico, Portugal, Ireland, France, Dominican-Republic, Laos, Ecuador, Taiwan, Haiti, Columbia, Hungary, Guatemala, Nicaragua, Scotland, Thailand, Yugoslavia, El-Salvador, TrinadadTobago, Peru, Hong, Holand-Netherlands. 3 ．实验要求 （1）用训练数据和你的程序，学习一个决策