public string GetTree(string sourceFile)
{
_sourceFile = sourceFile;
RawDataSource samples = new RawDataSource(_sourceFile);
TreeAttributeCollection attributes = samples.GetValidAttributeCollection();
DecisionTree id3 = new DecisionTree();
TreeNode root = id3.mountTree(samples, "result", attributes);
return(PrintNode(root, ""));
}
public TreeAttributeCollection GetValidAttributeCollection()
{
TreeAttributeCollection returnCollection = new TreeAttributeCollection();
foreach (DataColumn column in this.Columns)
{
TreeAttribute currentAttribute = new TreeAttribute(column.ColumnName, GetValuesFromColumn(column.ColumnName));
if (returnCollection.ContainsAttribute(currentAttribute) || currentAttribute.AttributeName.ToUpper().Trim() == "RESULT")
{
continue;
}
returnCollection.Add(currentAttribute);
}
return(returnCollection);
}
/// <summary>
/// Retorna o melhor atributo.
/// </summary>
/// <param name="attributes">Um vetor com os atributos</param>
/// <returns>Retorna o que tiver maior ganho</returns>
private TreeAttribute getBestAttribute(DataTable samples, TreeAttributeCollection attributes)
{
double maxGain = 0.0;
TreeAttribute result = null;
foreach (TreeAttribute attribute in attributes)
{
double aux = gain(samples, attribute);
if (aux > maxGain)
{
maxGain = aux;
result = attribute;
}
}
return(result);
}
/// <summary>
/// Monta uma árvore de decisão baseado nas amostragens apresentadas
/// </summary>
/// <param name="samples">Tabela com as amostragens que serão apresentadas para a montagem da árvore</param>
/// <param name="targetAttribute">Nome da coluna da tabela que possue o valor true ou false para
/// validar ou não uma amostragem</param>
/// <returns>A raiz da árvore de decisão montada</returns></returns?>
public TreeNode mountTree(DataTable samples, string targetAttribute, TreeAttributeCollection attributes)
{
_sampleData = samples;
return(internalMountTree(_sampleData, targetAttribute, attributes));
}
/// <summary>
/// Monta uma árvore de decisão baseado nas amostragens apresentadas
/// </summary>
/// <param name="samples">Tabela com as amostragens que serão apresentadas para a montagem da árvore</param>
/// <param name="targetAttribute">Nome da coluna da tabela que possue o valor true ou false para
/// validar ou não uma amostragem</param>
/// <returns>A raiz da árvore de decisão montada</returns></returns?>
private TreeNode internalMountTree(DataTable samples, string targetAttribute, TreeAttributeCollection attributes)
{
if (allSamplesArePositive(samples, targetAttribute) == true)
{
return(new TreeNode(new OutcomeTreeAttribute(true)));
}
if (allSamplesAreNegative(samples, targetAttribute) == true)
{
return(new TreeNode(new OutcomeTreeAttribute(false)));
}
if (attributes.Count == 0)
{
return(new TreeNode(new OutcomeTreeAttribute(getMostCommonValue(samples, targetAttribute))));
}
mTotal = samples.Rows.Count;
mTargetAttribute = targetAttribute;
mTotalPositives = countTotalPositives(samples);
mEntropySet = getCalculatedEntropy(mTotalPositives, mTotal - mTotalPositives);
TreeAttribute bestAttribute = getBestAttribute(samples, attributes);
TreeNode root = new TreeNode(bestAttribute);
if (bestAttribute == null)
{
return(root);
}
DataTable aSample = samples.Clone();
foreach (string value in bestAttribute.PossibleValues)
{
// Seleciona todas os elementos com o valor deste atributo
aSample.Rows.Clear();
DataRow[] rows = samples.Select(bestAttribute.AttributeName + " = " + "'" + value + "'");
foreach (DataRow row in rows)
{
aSample.Rows.Add(row.ItemArray);
}
// Seleciona todas os elementos com o valor deste atributo
// Cria uma nova lista de atributos menos o atributo corrente que é o melhor atributo
TreeAttributeCollection aAttributes = new TreeAttributeCollection();
//ArrayList aAttributes = new ArrayList(attributes.Count - 1);
for (int i = 0; i < attributes.Count; i++)
{
if (attributes[i].AttributeName != bestAttribute.AttributeName)
{
aAttributes.Add(attributes[i]);
}
}
// Cria uma nova lista de atributos menos o atributo corrente que é o melhor atributo
if (aSample.Rows.Count == 0)
{
return(new TreeNode(new OutcomeTreeAttribute(getMostCommonValue(aSample, targetAttribute))));
}
else
{
DecisionTree dc3 = new DecisionTree();
TreeNode ChildNode = dc3.mountTree(aSample, targetAttribute, aAttributes);
root.AddTreeNode(ChildNode, value);
}
}
return(root);
}
/// <summary>
/// Przechodzenie przez drzewo decyzyjne w oparciu o wy¿ej przedstawione próbki
/// </summary>
/// <param name="samples">Tabela z próbkami nale¿y przeniesc do drzewa</param>
/// <param name="targetAttribute"> Nazwa kolumny tabeli, która ma wartoœæ true lub false, aby zweryfikowaæ dana próbke</param>
private TreeNode internalMountTree(DataTable samples, string targetAttribute, TreeAttributeCollection attributes)
{
if (allSamplesArePositive(samples, targetAttribute) == true)
{
return(new TreeNode(new OutcomeTreeAttribute(true)));
}
if (allSamplesAreNegative(samples, targetAttribute) == true)
{
return(new TreeNode(new OutcomeTreeAttribute(false)));
}
if (attributes.Count == 0)
{
return(new TreeNode(new OutcomeTreeAttribute(getMostCommonValue(samples, targetAttribute))));
}
mTotal = samples.Rows.Count;
mTargetAttribute = targetAttribute;
mTotalPositives = countTotalPositives(samples);
mEntropySet = getCalculatedEntropy(mTotalPositives, mTotal - mTotalPositives);
TreeAttribute bestAttribute = getBestAttribute(samples, attributes);
TreeNode root = new TreeNode(bestAttribute);
if (bestAttribute == null)
{
return(root);
}
DataTable aSample = samples.Clone();
foreach (string value in bestAttribute.PossibleValues)
{
// Zaznacz wszystkie elementy z wartoœci¹ tego atrybutu
aSample.Rows.Clear();
DataRow[] rows = samples.Select(bestAttribute.AttributeName + " = " + "'" + value + "'");
foreach (DataRow row in rows)
{
aSample.Rows.Add(row.ItemArray);
}
// Zaznacz wszystkie elementy z wartoœci¹ tego atrybutu
// Utwórz now¹ listê atrybutów, najmniej wystepujacy atrybut jest najlepszym atrybutem
TreeAttributeCollection aAttributes = new TreeAttributeCollection();
for (int i = 0; i < attributes.Count; i++)
{
if (attributes[i].AttributeName != bestAttribute.AttributeName)
{
aAttributes.Add(attributes[i]);
}
}
if (aSample.Rows.Count == 0)
{
return(new TreeNode(new OutcomeTreeAttribute(getMostCommonValue(aSample, targetAttribute))));
}
else
{
DecisionTree dc3 = new DecisionTree();
TreeNode ChildNode = dc3.mountTree(aSample, targetAttribute, aAttributes);
root.AddTreeNode(ChildNode, value);
}
}
return(root);
}