matlab根据ID3算法绘制决策图

csdn上python代码感觉都写的挺复杂，要用各类函数，但没有体现ID3算法原理，matlab语言也没有看到免费的相关代码，决定手敲一份。比预期艰难，最后决策图没有用二叉树绘制，但也能看。

先将代码免费分享，仅供参考。

main.c函数如下：

%利用ID3算法实现校门口小贩的收益判断决策树  可推广使用
clc;clear;
load('datau')                                                                  %原始数据转化成0、1矩阵
[m,n]=size(datau);
place=zeros(1,n-1);
yon=zeros(2,n-1);

for find_node=1:n-1
    [datau,place,yon,contin]=cal_e(datau,place,yon);  %找到每一个根节点和属性取值
    
    if contin==2                                                                %找到叶子结点
        break;
    end
    
end

name={'天气','学生放假','促销','收入低','收入高'};        %绘制决策图

for creat_graph=1:n-1                                                 %寻找根节点、目标节点、权重
    array=creat_graph*2-1;
    s(array)=name(place(creat_graph));
    s(array+1)=name(place(creat_graph));
    
    t(array)=name(yon(2,creat_graph)+n);
    
    if creat_graph==n-1
        t(array+1)=name(length(name)-yon(2,creat_graph));
    else
            t(array+1)=name(place(creat_graph+1));
    end
    weight(array)=yon(1,creat_graph);
    weight(array+1)=1-yon(1,creat_graph);
end

G = digraph(s,t,weight,name);
plot(G, 'EdgeLabel', G.Edges.Weight, 'linewidth', 2) 

计算总的信息熵函数如下：

function I=cal_I(data)          %计算总的信息熵 data为决策列向量
len=length(data);
a=sum(data==1)/len;
b=sum(data==0)/len;
I=-a*log2(a)-b*log2(b);
end

根据ID3原理计算出每个根节点：

function [data,pla,yon,contin] =cal_e(data,pla,yon)      %data为总数据 pla存储每个根节点 yon存储节点走向 是/否
I_ALL=cal_I(data(:,end));                                                    %计算总的信息熵
[m,n]=size(data);

for i=1:n-1                                                                          %计算每个因素增益值
    w=[0,0];
    s=[0,0];
    for j =1:m
        for k=2:3
            
            kk=k-2;
            if data(j,i)==kk && data(j,end)==kk
                w(kk+1)=w(kk+1)+1;
            end
            if data(j,i)==kk && data(j,end)==(~kk)
                s(kk+1)=s(kk+1)+1;
            end
            
        end
        
        for p=1:2
            k=w(p)/(w(p)+s(p));
            if k==1 || k==0
                iab(p)=0;
            else
                iab(p)=-k*log2(k)-(1-k)*log2(1-k);
            end
            
        end
        
        E(i)=iab(1)*(w(1)+s(1))/m+iab(2)*(w(2)+s(2))/m;
        Gain(i)=I_ALL-E(i);
    end
end


i=1;
while(pla(i)~=0)
    i=i+1;
end
[~,pla(i)]=max(Gain);    %找到最大信息增益值因素位置
place=pla(i);

num=0;
w=0;s=0;
for j=1:m
    
    if (data(j,place)==1)
        w=w+data(j,end);
        num=num+1;
    end
    if (data(j,place)==0)
        s=s+data(j,end);
    end
    
end

contin=0;    %是否结束寻找下一个根节点

if w/num==1  % 找到叶子结点走向
    yon(1,i)=1;
    yon(2,i)=1;
    contin=contin+1;
elseif w/num==0
    yon(1,i)=1;
    yon(2,i)=0;
    contin=contin+1;
end

if s/(m-num)==1
    yon(1,i)=0;
    yon(2,i)=1;
    contin=contin+1;
elseif s/(m-num)==0
    yon(1,i)=0;
    yon(2,i)=0;
    contin=contin+1;
end

if contin==1
    target=yon(1,i);
    ar=1;
    for j=1:m
        if data(j,place)==target
            k(ar)=j;
            ar=ar+1;
        end
    end
end

data(k,:)=[];   %更新数据

使用举例;

原始数据如下

将其转化为原始数据存储格式如下（datau）

最后输出结果：

制作不易，如有帮助，欢迎点赞收藏。