决策树(详细易懂,很多例子)课件.ppt
文本预览下载声明
决策树Decision Tre;决策树算法是一种归纳分类算法,;决策树的结构 决;决策树的结构*根部节点(roo;单变量树 每个内部;决策树分类训练阶段 ;Example of a De;Another Example;Apply Model to ;Apply Model to ;Apply Model to ;Apply Model to ;Apply Model to ;Apply Model to ;决策树原理基本算法(贪心算法);算法:Generate_dec;例子:算法过程RefundYe;例子:算法过程RefundYe;例子:算法过程RefundYe;例子:算法过程RefundYe;问题1:分类从哪个属性开始? ;分类划分的优劣用不纯性度量来分;Father of infor;? 系统越无序、越混乱,熵就越;例子气象数据集,都是标称属性什;1.基于天气的划分2.基于温度;构造树训练样本的信息值第一棵树;(1)训练样本的信息值(基于类;(2) 第一棵树,属性,各叶节;(3)第一棵树,属性,导致的信;(4)依次,计算每棵树导致的信;(5)选择获得最大信息增益的属;(6)以此类推,递归,继续??分;天气,晴分支纯子节点血孜俊崭揽;?(6)以此类推,递归,继续划;天气 雨分支 有风纯的子节点推;(7)当所有叶节点都是纯的,划;最终的决策树Weather数据;ID3如何选择具有最高信息增益;思考:如果考虑充当唯一识别的属;C4.5C4.5如何选择具有最;C4.5算法概述C4.5算法是;连续值的处理选取(连续值的)哪;连续值的处理2. 对每个候选的;C4.5算法中:有未知值的样本;有一个丢失值的简单平面数据库数;属性1的增益计算考虑13个数据;考虑未知值的影响:Split_;优点?:??
(1)?
显示全部