C4.5完整MATLAB代码

function data=readtraindata(filename) % 输入数据 %filename=文件名 %输出数据 %data是输出数据 %% ------------------------------------数据处理部分开始--------------------------------------------------- % 读取部分 dim=13; DataTypes=[0,0,0,1,1,1,1,1,0,0,0,0];%1表示离散，0表示连续 fid = fopen(filename); dcells = textscan(fid, '%s'); fclose(fid); A=dcells{1}; s1=A{1}; str=strrep(s1,',',' '); str2=textscan(str, '%s %s %s %s %s %s %s %s %s %s %s %s %s'); [k11,k12]=size(A); for j=1:dim data.itemname{1,j}=str2{j}{1}; end data01=cell(k11-1,dim); wait_hand = waitbar(0,'正在读取数据，请等待……', 'tag', 'TMWWaitbar'); for i=2:k11 waitbar(i/k11,wait_hand);%每循环一次更新一次进步条 s1=A{i}; str=strrep(s1,',',' '); str2=textscan(str, '%s %s %s %s %s %s %s %s %s %s %s %s %s'); for j=1:dim data01{i-1,j}=str2{j}{1}; end end delete(wait_hand);%执行完后删除该进度条 %% --------------以上ok---------------------------------------- datatemp3=data01(:,dim);%记录分类数据 data.targets=str2double(datatemp3); % % a1=findstr(ss,'7')%查找字符串 % unique % index=strcmp(y, 'm');%查找y中等于m的位置，对cell也适用 %% 求离散类别的个数 [k21,k22]=size(DataTypes); [k31,k32]=size(data01); data02=data01;%初始化处理后的数据集 %% %进度条 wait_hand = waitbar(0,'正在处理数据，请等待……', 'tag', 'TMWWaitbar'); for i=1:k22 waitbar(i/k22,wait_hand);%每循环一次更新一次进步条 if (DataTypes(i))%如果该列是离散的，求类个数 datatemp1=data01(:,i); datatemp2=unique(datatemp1);%剔除相同元素，仅留一个 ind1=strcmp(datatemp2,'?');%找是否有'？'元素 if sum(ind1)==1%有'？'元素 [ind2,v1]=find(ind1==1); datatemp2(ind2)=[]; else%无有'？'元素 %不操作 end if isempty(datatemp2) error('wrong data'); else data.Types(i).Number=length(datatemp2);%记录个数 data.Types(i).Set=datatemp2;%记录类型集 end %% ---------------------处理离散不完整数据开始--------------- datatemp3=data01(:,dim);%记录分类数据 ind1=strcmp(datatemp1,'?');%找原始的一列数据是有'？'元素的位置 [ind2,v2]=find(ind1==1); if ~isempty(ind2) a1=length(ind2);%数据长度 for j=1:a1 type1=data01{ind2(j),dim};%求是哪个分类 ind3=strcmp(datatemp3,type1);%同一分类的数据在那些位置 [ind4,v2]=find(ind3==1);%找出所在的行标,由于datatemp3是列向量，所以ind3是列向量，因此ind4要在第一个输出参数 if ~isempty(ind4) temp1=data01(ind4,i); temp2=unique(temp1);%剔除相同元素 ind10=strcmp(temp2,'?');%找是否有'？'元素 if sum(ind10)==1%有'？'元素 [ind12,v1]=find(ind10==1); temp2(ind12)=[]; end a3=length(temp2); ElementCount=zeros(a3,1); for t2=1:a3%统计元素概率 index5=strcmp(temp1,temp2(t2)); [index6,v2]=find(index5==1); ElementCount(t2,1)=length(index6);%第t2个元素有几个,注意对应的是temp2这个集 end P=ElementCount./sum(ElementCount);%求概率 num=1;%轮盘赌次数设定 Select01=Roulette(P,num); data02{ind2(j),i}=temp2{Select01};%把问号改成选择的结果 end end end %% ---------------------处理离散不完整数据结束--------------- else%如果该列是连续的，求最大最小值 data.Types(i).Number=-1;%计为-1 datatemp1=[]; for j=1:k31%历遍一列的所有数据 if strcmp(data01{j,i},'?')%如果data01{j,i}等于'?',那么不处理 else%如果data01{j,i}等于'?',那么不处理，保存为数值 datatemp1=[datatemp1; str2double(data01{j,i})]; end end data.Types(i).Max=max(datatemp1);% data.Types(i).Min=min(datatemp1);% %% -----------处理连续数据开始--------------- datatemp3=data01(:,dim);%记录分类数据 datatemp1=data01(:,i); ind1=strcmp(datatemp1,'?');%找原始的一列数据是有'？'元素的位置 [ind2,v2]=find(ind1==1); if ~isempty(ind2) a1=length(ind2);%数据长度 for j=1:a1 type1=data01{ind2(j),dim};%求是哪个分类 ind3=strcmp(datatemp3,type1);%同一分类的数据在那些位置 [ind4,v2]=find(ind3==1);%找出所在的行标,由于datatemp3是列向量，所以ind3是列向量，因此ind4要在第一个输出参数 if ~isempty(ind4) temp1=data01(ind4,i); temp2=unique(temp1);%剔除相同元素 ind10=strcmp(temp2,'?');%找是否有'？'元素 if sum(ind10)==1%有'？'元素 [ind12,v1]=find(ind10==1); temp2(ind12)=[];%删除问号 end temp3=str2double(temp2); data02{ind2(j),i}=num2str(mean(temp3));%把问号改成选择的结果 end end end %% -----------处理连续数据结束--------------- end end delete(wait_hand);%执行完后删除该进度条 % s08=data02{28,5} % s06=data02{6,12} % s20=data02{20,12} % s81=data02{81,12} %% ----------------进一步的数据处理，全部数字化开始------------------ wait_hand = waitbar(0,'正在数字化处理数据，请等待……', 'tag', 'TMWWaitbar'); data03=zeros(k11-1,dim-1); for i=1:k22 waitbar(i/k22,wait_hand);%每循环一次更新一次进步条 if (DataTypes(i))%如果该列是离散的 datatemp2=data.Types(i).Set;%记录类型集 for j=1:k31 index1=strcmp(datatemp2,data02{j,i});%对应哪一个 [index2,v2]=find(index1==1); data03(j,i)=index2; end else%连续的处理方法 for j=1:k31 data03(j,i)=str2double(data02{j,i}); end end end delete(wait_hand);%执行完后删除该进度条 %% 记录数据 data.Data=data03; data.dim=dim; data.DataTypes=DataTypes; % data.Types(1:12).Set; % data03 %% ----------------进一步的数据处理，全部数字化结束------------------ %% ----------------------数据处理部分结束------------------------------------------------------