決策樹c45算法總結(jié)(已修改)
2025-01-22 19:39 本頁(yè)面
【正文】 數(shù)據(jù)： weka中的 weather數(shù)據(jù)（字符型、數(shù)值型） outlook,temperature,humidity,windy,play sunny,hot,high,FALSE,no sunny,hot,high,TRUE,no overcast,hot,high,FALSE,yes rainy,mild,high,FALSE,yes rainy,cool,normal,FALSE,yes rainy,cool,normal,TRUE,no overcast,cool,normal,TRUE,yes sunny,mild,high,FALSE,no sunny,cool,normal,FALSE,yes rainy,mild,normal,FALSE,yes sunny,mild,normal,TRUE,yes overcast,mild,high,TRUE,yes overcast,hot,normal,FALSE,yes rainy,mild,high,TRUE,no outlook,temperature,humidity,windy,play sunny,85,85,FALSE,no sunny,80,90,TRUE,no overcast,83,86,FALSE,yes rainy,70,96,FALSE,yes rainy,68,80,FALSE,yes rainy,65,70,TRUE,no overcast,64,65,TRUE,yes sunny,72,95,FALSE,no sunny,69,70,FALSE,yes rainy,75,80,FALSE,yes sunny,75,70,TRUE,yes overcast,72,90,TRUE,yes overcast,81,75,FALSE,yes rainy,71,91,TRUE,no SPSS Clementine Weka J48 決策樹方法： 利用一定的訓(xùn)練樣本，從數(shù)據(jù)中學(xué)習(xí)出決策規(guī)則自動(dòng)構(gòu)造出決策樹 。 : 《 C4. 5: programs for machine learning》 JR Quinlan, 1993 分類 決策樹算法 ,其核心算法是 ID3算法 。目前應(yīng)用在臨床決策、生產(chǎn)制造、文檔分析、生物信息學(xué)、空間數(shù)據(jù)建模等領(lǐng)域。算法的輸入是帶類標(biāo)的數(shù)據(jù)，輸出是樹形的決策規(guī)則。 ID3算法 ： 《 Induction of decision trees》 JR Quinlan Machine learning, 1986 ID3算法的原型來(lái)自于 Hunt等人提出的概念學(xué)習(xí)系統(tǒng)（ concept learning system, CLS） 。 ID3的 改進(jìn) : 1) 用信息增益率來(lái)選擇屬性，克服了用信息增益選擇屬性時(shí)偏向選擇取值多的屬性的不足； 2) 在樹構(gòu)造過(guò)程中進(jìn)行剪枝； 3) 能夠完成對(duì)連續(xù)屬性的離散化處理；
外語(yǔ)相關(guān)推薦
鄂ICP備17016276號(hào)-1