CART算法的简单实现(1)
花了两天时间将cart算法中离散数据分类写完(后面还有连续数据的处理和决策树裁剪)。这次感觉比id3实现要更有成就感,毕竟一般以上的代码自己写的。不过看看写好的代码还是有些不堪回首啊。写代码还不熟练以后要多加锻炼!
cart算法介绍:
与id3相比cart主要在度量参数方面不同,cart用gini指标用作属性划分的标准。,其中pi为D中元素属于Ci类的概率。
对于元素的二元分裂由另一公式判断:
对于单列属性的二元分裂要选取GiniA(D)最小的一个来最为该属性列上的一个合理划分。而选择作为节点的属性列也要根据最小的gini指标判断。
大致的特点就是这样。
1 for (int i = 0; i < columns.size(); i++) {
2 tempgini=getColGini(columns.get(i), temppropersep);
3 if (gini > tempgini) {
4 gini = tempgini;
5 propersep=new CARTProperClassify(temppropersep);
6 minColIndex = i;
7 }
8 }
1 int totalcount = totalTargets.totalCount;
2 for (int i = 0; i < totalList.size(); i++) {
3 double p=0.0;
4 int itemcount = totalList.get(i).counts;
5 p = (double) itemcount / totalcount;
6 p *= p;
7 gini+=p;
8 }
9 gini = 1 - gini;
但是,算法实现的外有一个难点,就是在选择二元分裂时,对属性项的真子集选择。对于有n个属性值的属性,会有2^n种不同的组合方式。
因为算法水平还没那么高,这个我就直接借鉴别人的代码了。大致思想就是将每个属性用二进制位(n个属性就用n个二进制为来表示)来表示,1表示选择该属性,0表示不选择该属性。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
package BaseStructure.Tree;
import java.util.BitSet;
import java.util.HashSet;
import java.util.Set;
public class ProperSubsetCombination {
private static Integer[] array;
private static BitSet startBitSet; // 比特集合起始状态
private static BitSet endBitSet; // 比特集合终止状态,用来控制循环
private static Set<Set<Integer>> properSubset; // 真子集集合
/**
* 计算得到一个集合的非空真子集集合
*
* @param n
* 真子集的大小
* @param itemSet
* 一个频繁项集元素
* @return 非空真子集集合
*/
public static Set<Set<Integer>> getProperSubset(int n, Set<Integer> itemSet) {
Integer[] array = new Integer[itemSet.size()];
ProperSubsetCombination.array = itemSet.toArray(array);
properSubset = new HashSet<Set<Integer>>();
startBitSet = new BitSet();
endBitSet = new BitSet();
// 初始化startBitSet,左侧占满1
for (int i = 0; i < n; i++) {
startBitSet.set(i, true);
}
// 初始化endBit,右侧占满1
for (int i = array.length - 1; i >= array.length - n; i--) {
endBitSet.set(i, true);
}
// 根据起始startBitSet,将一个组合加入到真子集集合中
get(startBitSet);
while (!startBitSet.equals(endBitSet)) {
int zeroCount = 0; // 统计遇到10后,左边0的个数
int oneCount = 0; // 统计遇到10后,左边1的个数
int pos = 0; // 记录当前遇到10的索引位置
// 遍历startBitSet来确定10出现的位置
for (int i = 0; i < array.length; i++) {
if (!startBitSet.get(i)) {
zeroCount++;
}
if (startBitSet.get(i) && !startBitSet.get(i + 1)) {
pos = i;
oneCount = i - zeroCount;
// 将10变为01
startBitSet.set(i, false);
startBitSet.set(i + 1, true);
break;
}
}
// 将遇到10后,左侧的1全部移动到最左侧
int counter = Math.min(zeroCount, oneCount);
int startIndex = 0;
int endIndex = 0;
if (pos > 1 && counter > 0) {
pos--;
endIndex = pos;
for (int i = 0; i < counter; i++) {
startBitSet.set(startIndex, true);
startBitSet.set(endIndex, false);
startIndex = i + 1;
pos--;
if (pos > 0) {
endIndex = pos;
}
}
}
get(startBitSet);
}
return properSubset;
}
/**
* 根据一次移位操作得到的startBitSet,得到一个真子集
*
* @param bitSet
*/
private static void get(BitSet bitSet) {
Set<Integer> set = new HashSet<Integer>();
for (int i = 0; i < array.length; i++) {
if (bitSet.get(i)) {
set.add(array[i]);
}
}
properSubset.add(set);
}
}
接下来就的工作就是完善算法的了。
xxx