为什么决策树在WEKA中没有按预期工作？

Question

我正在阅读一本书“机器学习：为开发人员和技术专业人员动手”，以便与WEKA一起创建决策树。虽然我遵循了书中所示的相同过程，但我没有得到相同的决策树。我使用的是C4.5（J48）算法。

数据（arff文件）

@relation ladygaga

@attribute placement {end_rack, cd_spec, std_rack}
@attribute prominence numeric
@attribute pricing numeric
@attribute eye_level {TRUE, FALSE}
@attribute customer_purchase {yes, no}

@data
end_rack,85,85,FALSE,yes
end_rack,80,90,TRUE,yes
cd_spec,83,86,FALSE,no
std_rack,70,96,FALSE,no
std_rack,68,80,FALSE,no
std_rack,65,70,TRUE,yes
cd_spec,64,65,TRUE,yes
end_rack,72,95,FALSE,yes
end_rack,69,70,FALSE,no
std_rack,75,80,FALSE,no
end_rack,75,70,TRUE,no
cd_spec,72,90,TRUE,no
cd_spec,81,75,FALSE,yes
std_rack,71,91,TRUE,yes

预期输出

我的输出

我做错了什么？

Answer 1

这本书的问题（在这里保留答案，以便它可以帮助本书的其他读者）。

Book预计end_rack类别中只有一个否定的情况（在作者的树形图中查找（5,1））。在书中提供的数据甚至书籍网站上，实际上有两个负面案例（5,2）。我删除了一个否定案例并获得了与本书相同的决策树。

以下是更正后的数据档案

@relation ladygaga

@attribute placement {end_rack, cd_spec, std_rack}
@attribute prominence numeric
@attribute pricing numeric
@attribute eye_level {TRUE, FALSE}
@attribute customer_purchase {yes, no}

@data
end_rack,85,85,FALSE,yes
end_rack,80,90,TRUE,yes
cd_spec,83,86,FALSE,no
std_rack,70,96,FALSE,no
std_rack,68,80,FALSE,no
std_rack,65,70,TRUE,yes
cd_spec,64,65,TRUE,yes
end_rack,72,95,FALSE,yes
end_rack,69,70,FALSE,yes
std_rack,75,80,FALSE,no
end_rack,75,70,TRUE,no
cd_spec,72,90,TRUE,no
cd_spec,81,75,FALSE,yes
std_rack,71,91,TRUE,yes

正确输出