決策樹算法分析-wenkub
2023-07-11 10:13:00 本頁(yè)面
【正文】 點(diǎn)，否則該子集對(duì)應(yīng)于決策樹的內(nèi)部結(jié)點(diǎn)，即測(cè)試結(jié)點(diǎn)，需要選擇一個(gè)新的分類屬性對(duì)該子集進(jìn)行劃分，直到所有的子集都為空或者屬于同一類。因此，設(shè)計(jì)具有遞增性決策樹挖掘方法，也是實(shí)用化的基本要求之一。 (2)適應(yīng)多數(shù)據(jù)類型和容噪性。年齡學(xué)生信譽(yù)買買不買不買買中青老否是優(yōu)良 決策樹 決策樹算法廣泛應(yīng)用于各個(gè)領(lǐng)域，已經(jīng)有了廣泛的應(yīng)用并且有許多成熟的系統(tǒng)，如語(yǔ)音識(shí)別、醫(yī)療診斷、模式識(shí)別和專家系統(tǒng)等。樹的最高層節(jié)點(diǎn)稱為根結(jié)點(diǎn)，是整個(gè)決策樹的開始。目前生成決策樹方法的算法主要有三種：CART算法、。數(shù)據(jù)挖掘通常與計(jì)算機(jī)科學(xué)有關(guān)，并通過(guò)統(tǒng)計(jì)、在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)（依靠過(guò)去的經(jīng)驗(yàn)法則）和模式識(shí)別等諸多方法來(lái)實(shí)現(xiàn)上述目標(biāo)。第二章 文獻(xiàn)綜述數(shù)據(jù)挖掘作為一個(gè)新興的多學(xué)科交叉應(yīng)用領(lǐng)域，正在各行各業(yè)的決策支持活動(dòng)扮演著越來(lái)越重要的角色。這些系統(tǒng)中積累了大量的數(shù)據(jù)。ofandeffectively,aincalledminingtheloadfacingInformationthe數(shù)據(jù)挖掘技術(shù)又稱數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，是從一個(gè)大規(guī)模的數(shù)據(jù)庫(kù)的數(shù)據(jù)中有效地、隱含的、以前未知的、有潛在使用價(jià)值的信息的過(guò)程。決策樹算法是數(shù)據(jù)挖掘中重要的分類方法，基于決策樹的各種算法在執(zhí)行速度、可擴(kuò)展性、輸出結(jié)果的可理解性、分類預(yù)測(cè)的準(zhǔn)確性等方面各有千秋，在各個(gè)領(lǐng)域廣泛應(yīng)用且已經(jīng)有了許多成熟的系統(tǒng)，如語(yǔ)音識(shí)別、模式識(shí)別和專家系統(tǒng)等。rapidTechnology,muchinaccumulatedtechnologythedatabase,largeimplicit,potentiallyinformation 在企業(yè)應(yīng)用領(lǐng)域，用于制定好的市場(chǎng)策略以及企業(yè)的關(guān)鍵性決策。近年來(lái)，隨著我國(guó)高等教育的飛速發(fā)展，高校的教學(xué)管理信息不斷增多。目前的這些數(shù)據(jù)庫(kù)系統(tǒng)雖然基本上都可以實(shí)現(xiàn)數(shù)據(jù)的錄入、修改、統(tǒng)計(jì)、查詢等功能，但是這些數(shù)據(jù)所隱藏的價(jià)值并沒有被充分的挖掘和利用，信息資源的浪費(fèi)還是比較嚴(yán)重的。 數(shù)據(jù)挖掘簡(jiǎn)述數(shù)據(jù)挖掘（英語(yǔ)：Data mining），又譯為資料探勘、數(shù)據(jù)采礦。數(shù)據(jù)挖掘是通過(guò)分析每個(gè)數(shù)據(jù)，從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)，主要有數(shù)據(jù)準(zhǔn)備、規(guī)律尋找和規(guī)律表示3個(gè)步驟。是發(fā)展比較完善的一種決策樹算法。與根結(jié)點(diǎn)相連的不同分支，對(duì)應(yīng)這個(gè)屬性的不同取值，根據(jù)不同的回答轉(zhuǎn)向相應(yīng)的分支，在新到達(dá)的結(jié)點(diǎn)處做同樣的分支判斷，持續(xù)這一過(guò)程直到到達(dá)某個(gè)葉結(jié)點(diǎn)。目前，決策樹技術(shù)面臨的挑戰(zhàn)表現(xiàn)在以下幾個(gè)方面：(1)可擴(kuò)展性亟待提高。隨著計(jì)算機(jī)網(wǎng)絡(luò)和信息的社會(huì)化，數(shù)據(jù)挖掘的對(duì)象已不單是關(guān)系數(shù)據(jù)庫(kù)模型，而是分布、異構(gòu)的多類型數(shù)據(jù)庫(kù)，數(shù)據(jù)的非結(jié)構(gòu)化程度、噪聲等現(xiàn)象越來(lái)越突出，這也是決策樹技術(shù)面臨的困難問(wèn)題。第三章 決策樹算法 CLS算法CLS算法是早期的決策樹學(xué)習(xí)算法，是許多決策樹學(xué)習(xí)算法的基礎(chǔ)。例1：、頭發(fā)顏色與所屬人種之間的關(guān)系：人員眼睛顏色頭發(fā)顏色所屬人種1黑色黑色黃種人2藍(lán)色金色白種人3灰色金色白種人4藍(lán)色紅色白種人5灰色紅色白種人6黑色金色混血7灰色黑色混血8藍(lán)色黑色混血，選擇“眼睛顏色”為測(cè)試屬性。事件ai的信息量I(ai)可如下度量：，其中p(ai)表示事件ai發(fā)生的概率。選擇A導(dǎo)致的期望熵定義為每個(gè)子集Sv的熵的加權(quán)和，權(quán)值為屬于Sv的樣本占原始樣本S的比例,即期望熵為：,屬性A相對(duì)樣本集合S的信息增益Gain(S，A)定義為：，其中Gain(S，A)是指因知道屬性A的值后導(dǎo)致的熵的期望壓縮。 誰(shuí)在買計(jì)算機(jī)計(jì)數(shù)年齡收
電大資料相關(guān)推薦
鄂ICP備17016276號(hào)-1