学习数据挖掘决策树ID3算法

一个月前的C语言程序设计课上学习了决策树ID3算法
然后自己用了两个多星期的时间开始用C语言实现，结果由于过程太过于复杂，写出来的东西就跟屎一样。
可能是自己对于这个算法理解的不够深刻，或者是在设计的时候没有构思好。
所以决定在这里写一写大概的构思然后再去用C实现。
这样可能会更加有效率一点。

决策树之ID3算法：

ID3算法的实质是检索哪个属性的分类能力更强，然后用拿个分类能力强的属性将数据分类，然后继续检索继续分类。

这样最后分完之后就会是一个树的结构。

分到最后的时候数据会到达一定的纯度。

之后你拿一个样本过来，顺着这个树往下找，找到它所属于的那一堆数据里，也就是叶节点上。

就能根据这一堆数据生和死的比例来对样本进行判断。

如何判断一个属性的分类能力？

根据香农的信息论。香农定义了一个名叫信息熵的东西，来说明一个系统的信息稳定程度。

一个系统的信息熵越小，那么用它分类出的系统就越稳定，它的分类能力就比较强。

信息熵的计算公式：(n1 / m) * log2(n1 / m) + (n2 / m) * log2(n2 / m) + ........... +  (nn / m) * log2(nn / m)

具体的构建步骤：（以泰坦尼克号的数据为训练模型）

训练数据的结构：（第一列是生死标签）

//上一节课老师跟我说可以不用树的结构去构建数据结构，但是我实在不知道该怎么写，在他的口中用所谓字符数组的结构去做要比我这个简单很多。

//所以在这里还是采用我以前想的那个树的结构去做。

第一步，我们需要有一个函数来读取文件数据，我们选择一个二维数组去储存。
我觉得这个函数还是不错的。

int getData()//获取数据
{
	FILE *p;
	if (auto err = fopen_s(&p, "C:\\Users\\XueChuanyu\\Desktop\\test.txt", "r") == NULL)
	{
		printf("\nNo sucn a file");
	}

	int i = 0, k = 0;
	for (i = 0; i < DATASIZE; i++)
	{
		for (k = 0; k < 8; k++)
		{
			fscanf_s(p, "%lf", &data[i][k]);
			if (k == 3)
			{
				disperseAge(data[i][3], 15);
			}
			if (k == 6)
			{
				disperseAge(data[i][6], 70);
			}
		}
	}

	fclose(p);

	return 0;

}

但是我们有 很多数据都是连续的数据，所以要先进行离散化：
这个函数也还算能用的。

double disperseAge(double x, int different)// 根据离散间隔值离散化
{

	if (x < different)
	{
		x = 0;
		return x;
	}
	else
	{