斜决策树 MATLAB实验

一、说明
1、根据Sreerama K. Murthy论文A System for Induction of Oblique Decision Trees中的算法进行的实验。
2、实验数据来自周志华著的机器学习书中。
3、斜决策树的节点不再是单一属性，而是属性的线性组合。
二、算法
确定节点算法流程：

确定节点算法描述：
1、找到轴平行划分的最优划分平面，I为不纯度指标。
2、重复R次：
随机算则超平面，初始化时以轴平行的划分平面作为初始平面
步骤1：
随机扰动超平面H的参数，知道不纯度指标不再提高。
步骤2：
选择随机扰动方向，改变H参数。
如果不纯度指标提高，重复步骤1
3、让I1 = 改变参数后H的不纯度指标，如果I1 < I, 设置I = I1.
4、输出对应于I的划分平面。

三、实验
首先寻找轴平行时的最优初始化平面，用到的不纯度衡量指标是
TwoingValue表示划分的优良性，因此优化目标为最大化TwoingValue，若选择不纯度作为指标，则可使优化目标位最小化TwoingValue的倒数。

寻找轴平行的最优化分平面的MATLAB代码：

%寻找最优轴平行划分超平面
melondata &#