SLIQ算法流程：【数据挖掘课程笔记】

1.数据结构

主要数据结构有： 1.属性列表 2.类列表

对于一个数据集，每个属性都有一个对应的属性列表。如上图所示，每个属性列表有两列，分别是对应的属性值和类列表中的记录索引。根据不同的索引值，可以获得记录的类别标签。对于连续属性，必须编辑属性列表。

对于类列表，存储的是每条记录对应的类标号以及该记录所在的当前叶子节点。类列表必须位于内存中。

2。算法过程

基尼指数：如果数据集D有n个不同的类，则：

在属性A下，将数据集拆分为D1和D2，则：

基尼获取定义：

算法思路：扫描所有属性列表。对于每个不同的属性列表，从上到下扫描并计算除当前记录得到的基尼利润。由此可见基尼最大功绩的特点和区别。

从上到下扫描属性列表时，必须使用另一种数据结构——类直方图。类直方图的行按点的左侧和右侧划分，列代表不同的类。如上图所示，当算法检查工资单中的第一条记录时，它首先根据索引找到当前记录所属的叶节点。我们可以看到，当salary = 15时，这条记录属于节点N2。当前节点N2有两条记录。直方图类初始化时，默认不分割这两条记录。因此，节点N2中有两条记录，即索引值为1和索引值为2的记录，从类列表中可以看出，这两条记录分别属于G类和B类。当算法

扫描记录salary=15，实际上是在节点N2上进行了一次试分割。 N2 中工资