决策树学习 之 ID3 C++STL代码实现

很久没写含这么多stl的程序了，很故意的用set，map，vector，熟手一下。

也记录一下吧，虽然写得比较渣。

三个文件：

测试数据：data.txt

[plain]
view plaincopy

D1    Sunny        Hot    High        Weak    No  
D2    Sunny        Hot    High        Strong    No  
D3    Overcast    Hot    High        Weak    Yes  
D4    Rain        Mild    High        Weak    Yes  
D5    Rain        Cool    Normal        Weak    Yes  
D6    Rain        Cool    Normal        Strong    No  
D7    Overcast    Cool    Normal        Strong    Yes  
D8    Sunny        Mild    High        Weak    No  
D9    Sunny        Cool    Normal        Weak    Yes  
D10    Rain        Mild    Normal        Weak    Yes  
D11    Sunny        Mild    Normal        Strong    Yes  
D12    Overcast    Mild    High        Strong    Yes  
D13    Overcast    Hot    Normal        Weak    Yes  
D14    Rain        Mild    High        Strong    No  

程序头文件:id3.h

[cpp]
view plaincopy

#ifndef ID3_H  
#define ID3_H  
#include<fstream>  
#include<iostream>  
#include<vector>  
#include<map>  
#include<set>  
#include<cmath>  
using namespace std;  
const int DataRow=14;  
const int DataColumn=6;  
struct Node  
{  
    double value;//代表此时yes的概率。  
    int attrid;  
    Node * parentNode;  
    vector<Node*> childNode;  
};  
#endif  

程序源文件id3.cpp

[cpp]
view plaincopy

#include "id3.h"  
  
string DataTable[DataRow][DataColumn];  
map<string,int> str2int;  
set<int> S;  
set<int> Attributes;  
string attrName[DataColumn]={"Day","Outlook","Temperature","Humidity","Wind","PlayTennis"};  
string attrValue[DataColumn][DataRow]=  
{  
    {},//D1,D2这个属性不需要  
    {"Sunny","Overcast","Rain"},  
    {"Hot","Mild","Cool"},  
    {"High","Normal"},  
    {"Weak","Strong"},  
    {"No","Yes"}  
};  
int attrCount[DataColumn]={14,3,3,2,2,2};  
double lg2(double n)  
{  
    return log(n)/log(2);  
}  
void Init()  
{  
    ifstream fin("data.txt");  
    for(int i=0;i<14;i++)  
    {  
      for(int j=0;j<6;j++)  
      {  
          fin>>DataTable[i][j];  
      }  
    }  
    fin.close();  
    for(int i=1;i<=5;i++)  
    {  
        str2int[attrName[i]]=i;  
        for(int j=0;j<attrCount[i];j++)  
        {  
            str2int[attrValue[i][j]]=j;  
        }  
    }  
    for(int i=0;i<DataRow;i++)  
      S.insert(i);  
    for(int i=1;i<=4;i++)  
      Attributes.insert(i);  
}  
  
double Entropy(const set<int> &s)  
{  
    double yes=0,no=0,sum=s.size(),ans=0;  
    for(set<int>::iterator it=s.begin();it!=s.end();it++)  
    {  
        string s=DataTable[*it][str2int["PlayTennis"]];  
        if(s=="Yes")  
          yes++;  
        else  
          no++;  
    }  
    if(no==0||yes==0)  
      return ans=0;  
    ans=-yes/sum*lg2(yes/sum)-no/sum*lg2(no/sum);  
    return ans;  
}  
double Gain(const set<int> & example,int attrid)  
{  
    int attrcount=attrCount[attrid];  
    double ans=Entropy(example);  
    double sum=example.size();  
    set<int> * pset=new set<int>[attrcount];  
    for(set<int>::iterator it=example.begin();it!=example.end();it++)  
    {  
        pset[str2int[DataTable[*it][attrid]]].insert(*it);  
    }  
    for(int i=0;i<attrcount;i++)  
    {  
        ans-=pset[i].size()/sum*Entropy(pset[i]);  
    }  
    return ans;  
}  
int FindBestAttribute(const set<int> & example,const set<int> & attr)  
{  
    double mx=0;  
    int k=-1;  
    for(set<int>::iterator i=attr.begin();i!=attr.end();i++)  
    {  
        double ret=Gain(example,*i);  
        if(ret>mx)  
        {  
            mx=ret;  
            k=*i;  
        }  
    }  
    if(k==-1)  
      cout<<"FindBestAttribute error!"<<endl;  
    return k;  
}  
Node * Id3_solution(set<int> example,set<int> & attributes,Node * parent)  
{  
    Node *now=new Node;//创建树节点。  
    now->parentNode=parent;  
    if(attributes.empty())//如果此时属性列表已用完，即为空，则返回。  
      return now;  
  
    /* 
     * 统计一下example，如果都为正或者都为负则表示已经抵达决策树的叶子节点 
     * 叶子节点的特征是有childNode为空。 
     */  
    int yes=0,no=0,sum=example.size();  
    for(set<int>::iterator it=example.begin();it!=example.end();it++)  
    {  
        string s=DataTable[*it][str2int["PlayTennis"]];  
        if(s=="Yes")  
          yes++;  
        else  
          no++;  
    }  
    if(yes==sum||yes==0)  
    {  
        now->value=yes/sum;  
        return now;  
    }  
      
  
    /*找到最高信息增益的属性并将该属性从attributes集合中删除*/  
    int bestattrid=FindBestAttribute(example,attributes);  
    now->attrid=bestattrid;  
    attributes.erase(attributes.find(bestattrid));  
      
    /*将exmple根据最佳属性的不同属性值分成几个分支，每个分支有即一个子树*/  
    vector< set<int> > child=vector< set<int> >(attrCount[bestattrid]);  
    for(set<int>::iterator i=example.begin();i!=example.end();i++)  
    {  
        int id=str2int[DataTable[*i][bestattrid]];  
        child[id].insert(*i);  
    }  
    for(int i=0;i<child.size();i++)  
    {  
        Node * ret=Id3_solution(child[i],attributes,now);  
        now->childNode.push_back(ret);  
    }  
    return now;  
}  
  
int main()  
{  
    Init();  
    Node * Root=Id3_solution(S,Attributes,NULL);  
    return 0;  
}