matlab隐形眼镜类型预测,【实现】利用决策树推荐隐形眼镜类型

背景介绍：根据患者眼部状况的观察条件，利用决策树来向患者推荐隐形眼镜的类型。

1. 收集数据

数据集来自于UCI数据库的隐形眼镜数据集。

数据格式

2. 准备数据

解析tab键分割的数据行。def read2DataSet(filename):

fr= open(filename,'r')

dataSet= [example.strip().split('\t') for example in fr.readlines()]

lenseLabels= ['age','prescript','astigmatric','tearRate']#特征名称

return dataSet, lenseLabels

3. 分析数据

快速检查数据，确保正确地解析数据内容，绘制最后的决策树型图。

4. 训练算法-生成决策树

思想(伪代码)：

检测数据集中的每个子项是否属于同一分类：

If    so    return    类标签

Else

寻找划分数据集的最好特征(--基于信息增益)

划分数据集

创建分支结点

for    每个划分的子集

调用自己，并增加返回结果到分支结点中

return    分支结点

4.1 划分数据def splitDataSet(dataSet, axis, value):

"""

对数据集进行划分

:param dataSet:数据集

:param axis: 选择的特征，在该特征上对数据集进行划分;

:param value: 特征的取值；划分依据(这种划分是多分支划分，依赖于每个标称属性的取值个数)

:return: 划分后的子集(删除特征axis后的数据集)；；方便进行下一次划分；；递归执行"""

retDataSet= []

for featVecin dataSet:

if featVec[axis] == value