treeregression.m

来自「基于粗糙集的知识约简算法和采用回归进行的知识约简表示」· M 代码 · 共 35 行

function RSE=TreeRegression(S,Y,k)
%将S划分为k个聚类，每次划分的标准是total restore error最小,返回restore error
%i=1;
tempS=S;
a=1;
SET1=[];
SET2=[];
Y1=[];
Y2=[];
%划分


%while i<k
    [c,r]=size(tempS); 
    minE=100;
    minA=1;
    for a=1:r %循环求出恢复错误最小的划分
        [SET1,SET2,Y1,Y2]=treepartition(tempS,Y,a);
        %去掉全部为0的列
       % SET1=rowzero0(SET1);
       % SET2=rowzero0(SET2);
       % 恢复错误之和
       [c1,r1]=size(SET1);
       [c2,r2]=size(SET2);
        tempError=partError(SET1,Y1)*c1+partError(SET2,Y2)*c2;
        tempError=tempError/c;
        if tempError<minE
            minE=tempError;
            minA=a;
        end
    end
    minE
    minA
    %增加一个划分
%end