chimerge算法matlab实现,对ChiMerge问题的解析与程序实现(matlab)

此问题与数据挖掘中的ChiMerge算法相关，用matlab程序实现。 问题描述： ChiMerge是监督的、自底向上的数据离散化方法。它依赖于卡方分析：具有最小卡方值的相邻区间合并在一起，直到满足确定的停止标准。 (1)、简述ChiMerge如何工作。 (2)、取鸢尾花数

此问题与数据挖掘中的ChiMerge算法相关，用matlab程序实现。

问题描述：

ChiMerge是监督的、自底向上的数据离散化方法。它依赖于卡方分析：具有最小卡方值的相邻区间合并在一起，直到满足确定的停止标准。

(1)、简述ChiMerge如何工作。

(2)、取鸢尾花数据集作为待离散化的数据集合，鸢尾花数据集可以从UCI机器学习数据库得到。使用ChiMerge方法，，对四个数值属性分别进行离散化。(令停止条件为：max-interval=6)。你需要写一个小程序，以避免麻烦的数值计算。提交你的简要分析和检验结果：分裂点、最终的区间以及源程序文档。

问题分析及回答：

(1)、ChiMerge的工作原理：

ChiMerge算法过程：

第一步：初始化：

根据要离散的属性对实例进行排序；每个实例属于一个区间。

第二步：合并区间，又包括两步骤：

A、计算每一对相邻区间的卡方值；

B、将卡方值最小的一对区间合并。

简化为：

将离散属性值进行升序排序；

将每个实例设置成单独区间；

While(截止条件)

{

循环对每对相邻区间进行卡方计算，找出最小卡方值的相邻区间；

对相邻区间进行合并；

}

(2)对鸢尾花数值的ChiMerge处理：

输入为：鸢尾花数据集()

ChiMerge.m%ChiMerge.m:This Program will achieve the ChiMeige function!

%File Read Part:

%格式化读文件：

[a,b,p,q,class] = textread( 'Iris.txt','%f,%f,%f,%f,%s' );

%Data Processing

%处理字符串：

t=size(class);

for i=1:t(1,1)

if strcmp(class(i,1),'Iris-setosa')==1

c(i,1)=1;

elseif strcmp(class(i,1),'Iris-versicolor')==1

c(i,1)=2;

elseif strcmp(class(i,1),'Iris-virginica')==1

c(i,1)=3;

end

end

%具体运行

h1=[a c];

h2=[b c];

h3=[p,c];

h4=[q,c];

disp('Case 1:');

chime(h1);

disp('End!');

disp('Case 2:');

chime(h2);

disp('End!');

disp('Case 3:');

chime(h3);

disp('End!');

disp('Case 4:');

chime(h4);

disp('End!');

chime.m%建立chime函数用于卡方值的计算及数据离散化操作

function m=chime(h)

%进行chimerge核心操作，建立区间矩阵，然后通过卡方检验离散化数据！

y=sortrows(h,1);%排序操作

ty=size(y);

leny=ty(1,1);

x=[y(:,1) y(:,1)];%初始化区间矩阵

tx=size(x);

lenx=tx(1,1);

while lenx>6

%外层循环，用于结束条件判定

min=9999;

for j=1:lenx-1

%内层循环，用于找出具有最小卡方值的相邻区间

ans=0;

m=zeros(3,7);%此(卡方表)矩阵用于保存计算卡方值的相关数据

%后面4个for循环用于卡方表数据的设置

for i=1:leny

if y(i,1)>=x(j,1)&&y(i,1)<=x(j,2)

m(1,y(i,2))=m(1,y(i,2))+1;

elseif y(i,1)>=x(j+1,1)&&y(i,1)<=x(j+1,2)

m(2,y(i,2))=m(2,y(i,2))+1;

end

end

for i=1:3

m(3,i)=m(1,i)+m(2,i);

end

for i=1:3

m(i,7)=m(i,1)+m(i,2)+m(i,3);

end

for i=1:2

for k=4:6

m(i,k)=m(i,7)*m(3,k-3)/m(3,7);

if m(i,k)==0

m(i,k)=0.1;

end

end

End

%计算出这两个相邻区间的卡方值

for i=1:2

for k=1:3

ans=ans+((m(i,k)-m(i,k+3))^2)/m(i,k+3);

end

End

%找出最小卡方值

if ans<=min

min=ans;

key=j;

end

End

%相邻区间合并步骤

x(key,2)=x(key+1,2);

x(key+1,:)=[];

lenx=lenx-1;

end

x

运行结果：Case 1:

x =

4.3000 4.8000

4.9000 4.9000

5.0000 5.4000

5.5000 5.7000

5.8000 7.0000

7.1000 7.9000

End!

Case 2:

x =

2.0000 2.2000

2.3000 2.4000

2.5000 2.8000

2.9000 2.9000

3.0000 3.3000

3.4000 4.4000

End!

Case 3:

x =

1.0000 1.9000

3.0000 4.4000

4.5000 4.7000

4.8000 4.9000

5.0000 5.1000

5.2000 6.9000

End!

Case 4:

x =

0.1000 0.6000

1.0000 1.3000

1.4000 1.6000

1.7000 1.7000

1.8000 1.8000

1.9000 2.5000

End!

结论：最后区间：

a: [4.3 , 4.8],[4.9 , 4.9], [5.0 , 5.4], [5.5 , 5.7], [5.8 , 7.0], [7.1 , 7.9].

b: [2.0 , 2.2], [2.3 , 2.4], [2.5 , 2.8], [2.9 , 2.9], [3.0 , 3.3], [3.4 , 4.4].

p: [1.0 , 1.9], [3.0 , 4.4], [4.5 , 4.7], [4.8 , 4.9], [5.0 , 5.1], [5.2 , 6.9].

q: [0.1 , 0.6], [1.0 , 1.3], [1.4 , 1.6], [1.7 , 1.7], [1.8 , 1.8], [1.9 , 2.5].

分裂点：

a: 4.3, 4.9, 5.0, 5.5, 5.8, 7.1

b: 2.0, 2.3, 2.5, 2.9, 3.0, 3.4

p: 1.0, 3.0, 4.5, 4.8, 5.0, 5.2

q: 0.1, 1.0, 1.4, 1.7, 1.8, 1.9