决策树分类实验报告.docxVIP

决策树分类实验报告 　　哈尔滨工业大学　　数据挖掘理论与算法实验报告　　(XX年度秋季学期)　　课程编码SC授课教师学生姓名赵天意学号学院电气工程及自动化学院　　一、实验内容　　使用ID3算法设计实现决策树　　二、实验设计　　给定特征是离散的1组实例，设计并实现决策树算法，对实例建立决策树，观察决策树是否正确。　　三、实验环境及测试数据　　实验环境：Windows7操作系统，IDLE测试数据：　　四、实验过程　　编写决策树程序，输出决策树，输入实例，输出预测类别　　五、实验结果　　样本建立的决策树与对所有样本的预测　　六、遇到的困难及解决方法、心得体会　　建树过程中用到了递归思想，递归建树。　　实验名称决策树分析　　一．实验要求：　　学习决策树分类学习方法，学习其中学习算法，了解其他ADtree、Id3等其它分类学习方法。　　应用Weka软件，学会导入数据文件，并对数据文件进行预处理。学会如何选择学习函数并调节学习训练参数以达到最佳学习效果。学习并应用其他决策树学习算法，可以进行各种算法对照比较。二．实验操作　　在开始程序中找到，单击即可启动WEKA，启动WEKA时会发现首先出现的一个命令提示符。接着将出现如下WekaGUIChooser界面。　　选择GUIChooser中的探索者用户界面。点击预处理功能按钮的，Openfile，选择其中的“weather”数据作关联规则的分析。打开“”，可以看到“Currentrelation”、“Attributes”“Selectedattribute”三个区域。　　点击“Classify”选项卡。单击左上方的Choose按钮，在随后打开的层级式菜单中的tree部分找到J48。选中J48分类器后，J48以及它的相关默认参数值出现在Choose按钮旁边的条形框中。单击这个条形框会打开J48分类器的对象编辑器，编辑器会显示J48的各个参数的含义。根据实际情况选择适当的参数，探索者通常会合理地设定这些参数的默认值。三．实验结果：　　计算正确率可得：　　/=　　四．实验小结：　　通过本次试验，我学习了决策树分类方法，以及其中算法，并了解了其他ADtree、Id3等其它分类方法，应用Weka软件，学会导入数据文件，并对数据文件进行预处理，今后还需努力。。　　实验5建立决策树并进行分类　　实验目的　　通过使用SPSS对数据集进行分析并建立决策树,学会建立决策树的数据处理过程和方法,从而深入地理解分类的一般过程和基本原理，以及如何利用决策树分类解决现实的问题。　　实验内容1、建立决策树　　2、使用决策树对未知类别的数据进行类别预测分析　　实验条件　　1.操作系统：WindowsXPSP2。1　　实验要求　　1、现有1000位(转载于:写论文网:决策树分类实验报告)顾客个人信息，主要包括性别、地址、收入、婚姻状况、教育程度、职业等　　信息，数据表的结构如下图所示：　　请你运用SPSS统计分析软件分析数据，并将实验步骤和结果记录到实验报告单上。　　以顾客.xls作为训练数据集，收入、职业、年龄为测试属性，是否购买自行车为类别　　属性，分别选择四种分类方法建立决策树，记录准确率最高的分析结果。　　使用分类规则预测预测中数据所属的类别。对分类结果和预测结果进行分析。　　2、现有2646位顾客的年龄、收入、信用卡数、教育程度、车贷数、信用等级信息，请你运用SPSS统计分析软件分析数据，并将实验步骤和结果记录到实验报告单上。　　分别选择四种分类方法建立决策树，记录准确率最高的分类析果。使用分类规则预测中数据所属的类别。对分类结果和预测结果进行分析。　　实验步骤及指导1、建立决策树　　第一步：数据准备，将待处理的数据输入或导入SPSS中，本例将顾客.xls导入SPSS中。　　第二步：建立决策树　　选择统计分析[Statistics]菜单，选聚类分析[Classify]中的树状分析[ClassificationTree...]项，弹出树状分析[ClassificationTree]对话框，从对话框左侧的变量列表中分别选择类别属性和测试属性进入右侧类别属性[DependentVariable]和测试属性[IndependentVariable]框中。本例选择是否购房为类别属性，婚姻状况、收入、抚养的孩子数、年龄为测试属性。GrowingMethod下拉列表中有CHAID、ExhaustiveCHAID、CRT、QUEST四种建立分类树的方法，本例选择ExhaustiveCHAID。　　图5-1　　点击输出[Output...]钮，弹出分类树：输出[ClassificationTree:Output]对话框，该对话框有树[