ID3决策树预测的java实现

刚才写了ID3决策树的建立，这个是通过决策树来进行预测。这里主要用到的就是XML的遍历解析，比较简单。

关于xml的解析，参考了：

http://blog.csdn.net/soszou/article/details/8049220

http://lavasoft.blog.51cto.com/62575/71669/

思路：

先将要预测的数据，例如"sunny mild normal TRUE"根据特征表变成一个map，方便后续查找，结果为

outlook sunny

temperature windy

humidity normal

windy TRUE这样的map

接着就变量xml文件，从root的子节点开始，如果该节点不存在子节点，就说明是叶节点了，那么就直接输出text，就是其分类的类别。如果有子节点，就根据map中的value去找对应的节点，并将该节点作为下一次迭代的节点参数。

 1 import java.io.File;
 2 import java.io.IOException;
 3 import java.util.ArrayList;
 4 import java.util.HashMap;
 5 import java.util.List;
 6 import java.util.Map;
 7
 8 import org.dom4j.Document;
 9 import org.dom4j.DocumentException;
10 import org.dom4j.Element;
11 import org.dom4j.io.SAXReader;
12
13 public class Predict {
14
15     public static Map<String,String> getMap(String data,ArrayList<String> featureList){
16         Map<String,String> map=new HashMap();
17         String[] s=data.split(" ");
18         for(int i=0;i<s.length;i++){
19             map.put(featureList.get(i),s[i]);
20         }
21         return map;
22     }
23
24     public static int predict(Map<String,String> map,Element e){
25         List<Element> childList=e.elements();
26         if(childList.size()==0){
27             System.out.println( e.getText());
28             return 1;
29         }
30         String value=map.get(childList.get(0).getName());
31         for(Element next:childList){
32             String t=next.attributeValue("value");//这里的属性名都为value，所以这样就能获得该属性的值
33             if(t.compareTo(value)==0){
34                 predict(map,next);
35             }
36         }
37         return 1;
38     }
39
40
41     /**
42      * @param args
43      * @throws DocumentException
44      * @throws IOException
45      */
46     public static void main(String[] args) throws DocumentException, IOException {
47         // TODO Auto-generated method stub
48         String xml="C:/Users/Administrator/Desktop/upload/DT1.xml";
49         String file="C:/Users/Administrator/Desktop/upload/DT.txt";
50         String data="sunny mild normal TRUE";
51         ArrayList<String> featureList=Utils.loadFeature(file);
52         Map<String,String> map=getMap(data,featureList);
53
54         SAXReader saxReader=new SAXReader();
55         Document document =saxReader.read(new File(xml));
56         Element root=document.getRootElement();
57
58         predict(map,root);
59         System.out.println("finished");
60     }
61
62 }