基于ID3的汽车满意度调查分析实验报告.doc

数据挖掘实验报告 -----ID3实验算法 组长：江进钦 实验应用场景介绍： 应用场合： 普通汽车零售行业及汽车生产商 应用过程概述： 从汽车的价格以及相对应的技术指标角度来对客户进行汽车的满意度调查并进行分类决策，为汽车零售商及汽车生产商今后的销售和生产方面提供了可靠的依据。 数据源的说明： 数据理解： 本次的实验总共选择了600条的数据，其中有200条数据作为测试数据，数据收集过程中体现了随机性和多样性。 (1)、每条数据有六组属性分别是：1、buying： vhigh, high, med, low. 2、maint： vhigh, high, med, low. 3、doors：2, 3, 4, 5more. 4、persons：2, 4, more. 5、lug_boot：small, med, big. 6、safety： low, med, high. (2)、目标属性值可取为：unacc, acc, good, vgood 三、ID3算法概述： 它是基于决策树的挖掘算法，他通过计算每一个属性的信息增益，并选取具有最高增益的 属性值作为给定集合（训练样本）的测试属性，以该属性建立一个节点，成为决策树的决策节点，然后依次来建立决策节点，直到不能再划分为止，算法的核心问题是如何选取在树的每个节点要测试的属性。 算法思路： 该方法以信息增益作为属性测试。信息增益是数据集的整体期望信息与根据某属性划分成子集的期望信息之差。其计算公式为： 算法步骤： 1.给一个带有类标签的数据集。 2.选择信息量大的属性作为根结点。 3.根据根结点属性的取值对数据集进行划分，形成一个二叉（或多叉）树。 4.根据分叉将数据又分成几个数据集。 5.再递归用其余属性对几个数据集进行划分，直到分类属性为止，或规定的层次（剪枝）。 四、算法部分代码： 1、信息熵的计算： namespace DecisionTree { public class Entropy { public int[] statNum = new int[4]; //训练样例集统计结果unacc;,acc;,good;,vgood public double EntropyValue = 0; private int mTotal = 0; private string mTargetAttribute = result; public Entropy() { } public void getEntropy(DataTable samples) { countTotalClass(samples, out statNum[0], out statNum[1], out statNum[2], out statNum[3]); EntropyValue = calcEntropy(statNum[0], statNum[1], statNum[2], statNum[3]); } /// summary /// 统计各个类所包含的样例数 /// /summary /// param name=samples/param /// returns/returns public void countTotalClass(DataTable samples, out int unacc, out int acc, out int good, out int vgood) { unacc = acc = good = vgood = 0; foreach (DataRow aRow in samples.Rows) { if ((String)aRow[mTargetAttribute] == unacc) unacc++; else if (aRow[mTargetAttribute].ToString() == acc) acc++; else if (aRow[mTargetAttribute].ToString() ==