Initial commit

DecisionTreeBuilder.java

@@ -0,0 +1,159 @@
+/**
+ * Enthält einen Entscheidungsbaum und kann {@link Dataset Datensätze} damit
+ * klassifizieren.
+ */
+public class DecisionTreeBuilder {
+
+    // Wurzel des Entscheidungsbaums
+    private BinaryTree<DecisionNode> decisionTree;
+
+    public DecisionTreeBuilder() {
+        // Vorbereiten der Klassifikationen (Blätter)
+        BinaryTree<DecisionNode> classYes = new BinaryTree<>(
+            new Classification("ja")
+        );
+        BinaryTree<DecisionNode> classNo = new BinaryTree<>(
+            new Classification("nein")
+        );
+
+
+        /*aufg*
+        // TODO: Hier den Entscheidungsbaum aufbauen.
+        //
+        // Der Baum wird von den Blättern nach "oben" zur Wurzel aufgebaut.
+        // z.B.
+        // BinaryTree<DecisionNode> wind = new BinaryTree<>(
+        //     new Decision("wind", "stark"),     // Entscheide Merkmal "wind", gehe links bei "stark"
+        //     classNo,                           // Linker Teilbaum
+        //     classYes                           // rechter Teilbaum
+        // );
+        // usw...
+        *aufg*/
+        //ml*
+        BinaryTree<DecisionNode> wind = new BinaryTree<>(
+            new Decision("wind", "stark"),
+            classNo,
+            classYes
+        );
+        BinaryTree<DecisionNode> vorhersage = new BinaryTree<>(
+            new Decision("vorhersage", "sonnig"),
+            wind,
+            classYes
+        );
+        BinaryTree<DecisionNode> feuchtigkeit = new BinaryTree<>(
+            new Decision("feuchtigkeit", "hoch"),
+            classNo,
+            classYes
+        );
+        //*ml
+        // Die Wurzel zuletzt
+        decisionTree = new BinaryTree<>(
+            new Decision("vorhersage", "regnerisch"),
+            feuchtigkeit,
+            vorhersage
+        );
+    }
+
+    /**
+     * Schickt die {@link #getTestdata() Testdaten} durch den Entscheidungsbaum
+     * und gibt die Entscheidungen auf der Kommandozeile aus.
+     *
+     * @see #testDataset(Dataset)
+     */
+    public void testTestdata() {
+        Dataset[] testdata = getTestdata();
+        for( int i = 0; i < testdata.length; i++ ) {
+            Dataset d = testdata[i];
+            String result = testDataset(d);
+            System.out.printf("(%s, %s, %s, %s) = %s",
+                d.get("vorhersage"), d.get("temperatur"),
+                d.get("feuchtigkeit"), d.get("wind"),
+                result);
+            System.out.println();
+        }
+    }
+
+    /**
+     * Schickt einen Datensatz durch den Entscheidungsbaum und gibt die
+     * Klasse als String zurück.
+     *
+     * @param pDataset Der zu testende Datensatz.
+     * @return Die Klasse, der der Datensatz zugeordnet wurde.
+     */
+    public String testDataset( Dataset pDataset ) {
+        BinaryTree<DecisionNode> node = decisionTree;
+
+        String result = "";
+        while( result.equals("") || result.equals("left")
+            || result.equals("right") ) {
+		    /*aufg* 1
+            // TODO: Impementiere den Durchlauf durch den Entschiedungsbaum,
+            // indem bei jedem inneren Knoten die Entscheidung getroffen wird,
+            // ob links oder rechts weitergemacht wird.
+            *aufg*/
+		    /*aufg* 2
+            // TODO: Impementiere den Durchlauf durch den Entschiedungsbaum,
+            // indem bei jedem inneren Knoten die Entscheidung getroffen wird,
+            // ob links oder rechts weitergemacht wird.
+
+            DecisionNode e = null;
+			result = "???";
+
+			if( result.equals("left") ) {
+                // ...
+			} else if( result.equals("right") ) {
+				// ...
+			}
+            *aufg*/
+            //ml*
+            DecisionNode e = node.getContent();
+            result = e.decide(pDataset);
+
+            if( result.equals("left") ) {
+                // Im linken Teilbaum weiter
+                node = node.getLeftTree();
+            } else if( result.equals("right") ) {
+                // Im rechten Teilbaum weiter
+                node = node.getRightTree();
+            }
+            //*ml
+        }
+        return result;
+    }
+
+    /**
+     * Erstellt ein Array mit Test-Datensätzen für den Entscheidungsbaum.
+     *
+     * @return
+     */
+    public Dataset[] getTestdata() {
+        String[][] testdata = {
+            {"sonnig", "heiß", "hoch", "schwach"},
+            {"sonnig", "heiß", "hoch", "stark"},
+            {"bewölkt", "heiß", "hoch", "schwach"},
+            {"regnerisch", "mild", "hoch", "schwach"},
+            {"regnerisch", "kalt", "normal", "schwach"},
+            {"regnerisch", "kalt", "normal", "stark"},
+            {"bewölkt", "mild", "hoch", "stark"},
+            {"sonnig", "mild", "hoch", "schwach"},
+            {"sonnig", "kalt", "normal", "schwach"},
+            {"regnerisch", "mild", "normal", "schwach"},
+            {"sonnig", "mild", "normal", "stark"},
+            {"bewölkt", "heiß", "normal", "schwach"},
+            {"bewölkt", "kalt", "normal", "stark"},
+            {"regnerisch", "mild", "hoch", "stark"}
+        };
+
+        Dataset[] data = new Dataset[testdata.length];
+        for( int i = 0; i < testdata.length; i++ ) {
+            data[i] = new Dataset();
+            data[i].set("vorhersage", testdata[i][0]);
+            data[i].set("temperatur", testdata[i][1]);
+            data[i].set("feuchtigkeit", testdata[i][2]);
+            data[i].set("wind", testdata[i][3]);
+        }
+
+        return data;
+    }
+
+}