weka[2] - J48(一)

最新推荐文章于 2020-09-23 10:19:41 发布

杨之之

最新推荐文章于 2020-09-23 10:19:41 发布

阅读量1.4k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： weka 文章标签： kenny weka 算法

本文链接：https://blog.youkuaiyun.com/u011292007/article/details/29609443

本文详细介绍了Weka中J48决策树算法的分裂过程，对比了C4.5和ID3的区别。内容涵盖BinC45Split的BuildClassify方法，包括处理枚举属性和数值属性的细节，以及如何通过信息增益率选择最佳分裂点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

原本想一次性写完关于J48，无奈整个weka关于J48的一套东西太多太多。

先从split开始分析~J48是参考的C4.5的决策树算法。

这一个部分和ID3有一些的区别，第一：C4.5使用信息增益率来选特征，第二：C4.5可以同时处理连续和离散的属性.(剪枝后面会加)

所以先看看weka的J48中，分裂是如何实现的。

BinC45Split

BuildClassify:

public void buildClassifier(Instances trainInstances)
       throws Exception {

    // Initialize the remaining instance variables.
    m_numSubsets = 0;
    m_splitPoint = Double.MAX_VALUE;
    m_infoGain = 0;
    m_gainRatio = 0;

    // Different treatment for enumerated and numeric
    // attributes.
    if (trainInstances.attribute(m_attIndex).isNominal()){
      handleEnumeratedAttribute(trainInstances);
    }else{
      trainInstances.sort(trainInstances.attribute(m_attIndex));
      handleNumericAttribute(trainInstances);
    }
  }

m_attIndex就是选择的分裂属性的下标。下面的if判断该属性值如果是离散（Nominal)的，那么调用handleEnumeratedAttribute，如果是连续的(numeric)，那么调用handleNumericAttribute。

handleEnumeratedAttribute:

private void handleEnumeratedAttribute(Instances trainInstances)
       throws Exception {
    
    Distribution newDistribution,secondDistribution;
    int numAttValues; //m_attIndex对应属性的取值个数
    double currIG,currGR;
    Instance instance;
    int i;