决策树预测红酒品质

%导入excel数据
filename="D:\Matlab\bin\作业\B题 附件1.xlsx";
Title=["非挥发性酸含量","挥发性酸含量","柠檬酸","糖含量","氯化物","游离二氧化硫","总二氧化硫","密度","PH值","硫酸盐","酒精"];
xlswrite(filename,Title);
[data,top,all]=xlsread(filename);
[data1,top1,all1]=xlsread(filename,'待预测数据集');
%------------------------------------------------------------------------------------------------------------------------------------
%数据集进行预处理
%rmmissing删除缺失值处理
list=rmmissing(data); 
list1=rmmissing(data1); 
%归一化z-score标准化处理
R = zscore(list);
%-------------------------------------------------------------------------------------------------------------------------------------
%随机产生训练集/测试集
P=randperm(3867);
Train =list(P(1:3000),:);
rest=list(P(3001:end),:);
%训练数据
P_Train=Train(:,1:11);
T_Train=Train(:,12);
%测试数据
P_rest=rest(:,1:11);
T_rest=rest(:,12);
%创建决策树分类器
ctree=ClassificationTree.fit(P_Train,T_Train);
%查看决策树视图
view(ctree);
view(ctree,'mode','graph');
%仿真测试
T_sim=predict(ctree,P_rest);
%V.结果分析
count_3= length(find(T_Train == 3));rate_3=count_3/3700;total_3=length(find(list(:,12)==3));
count_4= length(find(T_Train == 4));rate_4=count_4/3700;total_4=length(find(list(:,12)==4));
count_5= length(find(T_Train == 5));rate_5=count_5/3700;total_5=length(find(list(:,12)==5));
count_6= length(find(T_Train == 6));rate_6=count_6/3700;total_6=length(find(list(:,12)==6));
count_7= length(find(T_Train == 7));rate_7=count_7/3700;total_7=length(find(list(:,12)==7));
count_8= length(find(T_Train == 8));rate_8=count_8/3700;total_8=length(find(list(:,12)==8));
count_9= length(find(T_Train == 9));rate_9=count_9/3700;total_9=length(find(list(:,12)==9));
number_3= length(find(T_rest == 3));number_B3_sim= length(find(T_sim ==3&T_rest == 3));
number_4= length(find(T_rest == 4));number_B4_sim= length(find(T_sim ==4&T_rest == 4));
number_5= length(find(T_rest == 5));number_B5_sim= length(find(T_sim ==5&T_rest == 5));
number_6= length(find(T_rest == 6));number_B6_sim= length(find(T_sim ==6&T_rest == 6));
number_7= length(find(T_rest == 7));number_B7_sim= length(find(T_sim ==7&T_rest == 7));
number_8= length(find(T_rest == 8));number_B8_sim= length(find(T_sim ==8&T_rest == 8));
number_9= length(find(T_rest == 9));number_B9_sim= length(find(T_sim ==9&T_rest == 9));
fprintf('红酒测量总数：%d\n',3867);
fprintf('品质为3：%d\n',total_3);
fprintf('品质为4：%d\n',total_4);
fprintf('品质为5：%d\n',total_5);
fprintf('品质为6：%d\n',total_6);
fprintf('品质为7：%d\n',total_7);
fprintf('品质为8：%d\n',total_8);
fprintf('品质为9：%d\n',total_9);
fprintf('训练集红酒测量总数：%d\n',3700);
fprintf('品质为3：%d\n',count_3);
fprintf('品质为4：%d\n',count_4);
fprintf('品质为5：%d\n',count_5);
fprintf('品质为6：%d\n',count_6);
fprintf('品质为7：%d\n',count_7);
fprintf('品质为8：%d\n',count_8);
fprintf('品质为9：%d\n',count_9);
fprintf('测试集红酒测量总数：%d\n',167);
fprintf('品质为3：%d\n',number_3);
fprintf('品质为4：%d\n',number_4);
fprintf('品质为5：%d\n',number_5);
fprintf('品质为6：%d\n',number_6);
fprintf('品质为7：%d\n',number_7);
fprintf('品质为8：%d\n',number_8);
fprintf('品质为9：%d\n',number_9);
fprintf('品质预测正确数:%d\n',number_B3_sim+number_B4_sim+number_B5_sim+number_B6_sim+number_B7_sim+number_B8_sim+number_B9_sim);
fprintf('错误数%d\n',number_3+number_4+number_5+number_6+number_7+number_8+number_9-(number_B3_sim+number_B4_sim+number_B5_sim+number_B6_sim+number_B7_sim+number_B8_sim+number_B9_sim));
fprintf('准确率p:%f%%\n',(number_B3_sim+number_B4_sim+number_B5_sim+number_B6_sim+number_B7_sim+number_B8_sim+number_B9_sim)/(number_3+number_4+number_5+number_6+number_7+number_8+number_9)*100);  
%.叶子节点含有的最小样本数对决策树性能的影响
  leafs= logspace(1,2,10);
   N= numel(leafs);
   err= zeros(N,1);
  for n= 1:N
    t= ClassificationTree.fit(P_Train,T_Train,'crossval','on','minleaf',leafs(n));
    err(n)= kfoldLoss(t);
  end
   plot(leafs,err);
   xlabel('叶子节点含有的最小样本数');
   ylabel('交叉验证误差');
   title('叶子节点含有的最小样本数对决策树性能的影响');  
%设置minleaf为10，产生优化决策树
OptimalTree=ClassificationTree.fit(P_Train,T_Train,'minleaf',10);
view(OptimalTree,'mode','graph'); 
%1.计算优化后决策树的重采样误差和交叉验证误差
resubOpt= resubLoss(OptimalTree);
lossOpt= kfoldLoss(crossval(OptimalTree));
%2.计算优化前决策树的重采样误差和交叉验证误差
resubDefault= resubLoss(ctree);
lossDefault= kfoldLoss(crossval(ctree));
%%.剪枝
[~,~,~,bestlevel]=cvLoss(ctree,'subtrees','all','treesize','min');
cptree= prune(ctree,'Level',bestlevel);
view(cptree,'mode','graph'); 
%1.计算剪枝后决策树的重采样误差和交叉验证误差
resubPrune= resubLoss(cptree);
lossPrune= kfoldLoss(crossval(cptree));
%------------------------------------------------------------------------------------------------------------------------------------
%表2数据
%随机产生训练集/测试集
P1=randperm(2000);
Train1 =list(P1(1:1000),:);
rest1=list1(1:1000,:);
%训练数据
P_Train1=Train1(:,1:11);
T_Train1=Train1(:,12);
%测试数据
P_rest1=rest1(:,1:11);
%创建决策树分类器
ctree1=ClassificationTree.fit(P_Train1,T_Train1);
%查看决策树视图
view(ctree1);
view(ctree1,'mode','graph');
%仿真测试
T_sim1=predict(ctree1,P_rest1);
%------------------------------------------------------------------------------------------------------------------------------------
%正向化处理步骤
[a,b]=size(list);
disp(['共有' num2str(a) '个评价对象, ' num2str(b-1) '个评价指标']);
position = input('请输入需要正向化处理的指标所在的列,例如[2,4,5]：');
disp('请输入需要处理的列指标类型(1:极小型，2：中间型， 3：区间型)')
type = input('例如第2列是极小型，第4列是区间型，第5列是中间型，输入[1,3,2]: ');
 % 注意，Position和Type是两个同维度的行向量
 X=list;
    for i = 1 : size(position,2)  %这里需要对这些列分别处理，因此我们需要知道一共要处理的次数，即循环的次数
        X(:,position(i)) = Positivization(X(:,position(i)),type(i),position(i));
    end
    disp('正向化后的矩阵 X =  ')
    disp(X)
weigh=[0.15;0.15;0.1;0.2;0.05;0.05;0.05;0.05;0.01;0.01;0.18];%权重
R(:,12)=[];
r=R';
D_P = sum(((r(:,1:a)-repmat(max(r(:,1:a)),1,1)) .^2 ) .* repmat(weigh,1,a) ,2) .^ 0.5;   % D+ 与最大值的距离向量
D_N = sum(((r(:,1:a)-repmat(min(r(:,1:a)),1,1)) .^2 ) .* repmat(weigh,1,a) ,2) .^ 0.5;   % D- 与最小值的距离向量
S = D_N ./ (D_P+D_N);    % 未归一化的得分
disp('最后的得分为：');
stand_S = S / sum(S);
[sorted_S,index] = sort(stand_S ,'descend');
disp(index);

引用函数Positivization.m

% function [输出变量] = 函数名称(输入变量）  
function [posit_x] = Positivization(x,type,i)
% 输入变量有三个：
% x：需要正向化处理的指标对应的原始列向量
% type： 指标的类型（1：极小型， 2：中间型， 3：区间型）
% i: 正在处理的是原始矩阵中的哪一列
% 输出变量posit_x表示：正向化后的列向量
    if type == 1  %极小型
        disp(['第' num2str(i) '列是极小型，正在正向化'] )
        posit_x = max(x) - x;
        disp(['第' num2str(i) '列极小型正向化处理完成'] )
        disp('--------------------分界线--------------------')
    elseif type == 2  %中间型
        disp(['第' num2str(i) '列是中间型'] )
        best = input('请输入最佳的那一个值： ');
        M = max(abs(best-x));
        posit_x = 1-abs(best-x)/M;
        disp(['第' num2str(i) '列中间型正向化处理完成'] )
        disp('--------------------分界线--------------------')
    elseif type == 3  %区间型
        disp(['第' num2str(i) '列是区间型'] )
        a = input('请输入区间的下界： ');
        b = input('请输入区间的上界： '); 
        r_data = size(x,1);
        M = max([a-min(x),max(x)-b]);
        posit_x = zeros(r_data,1);
        for i = 1:r_data
            if x(i)<a
                posit_x(i) = 1-(a-x(i))/M;
            elseif x(i)>b
                posit_x(i) = 1-(x(i)-b)/M;
            else
                posit_x(i) = 1;
            end
        end
        disp(['第' num2str(i) '列区间型正向化处理完成'] )
        disp('--------------------分界线--------------------')
    else
        disp('没有这种类型的指标，请检查Type向量中是否有除了1、2、3之外的其他值')
    end
end