決策樹(shù)算法分析-全文預(yù)覽
【正文】 金色紅色黑色金色紅色黑色 決策樹(shù) ID3算法ID3算法是決策樹(shù)學(xué)習(xí)算法中最具有影響和最為典型的算法，它的基本思想是，利用信息熵原理，選擇信息增益最大的屬性作為分類(lèi)屬性。該測(cè)試屬性對(duì)應(yīng)決策樹(shù)中的決策結(jié)點(diǎn)。數(shù)據(jù)挖掘出來(lái)的知識(shí)，只是相對(duì)于某一時(shí)間的某些數(shù)據(jù)，新的數(shù)據(jù)可能使發(fā)現(xiàn)的新知識(shí)與原來(lái)的知識(shí)沖突。數(shù)據(jù)挖掘面臨的數(shù)據(jù)往往是海量的，對(duì)實(shí)時(shí)性要求較高的決策場(chǎng)所，數(shù)據(jù)挖掘方法的主動(dòng)性和快速性顯得日益重要。例如公司需要預(yù)測(cè)某位客人是否要買(mǎi)計(jì)算機(jī)，,從中可以看到?jīng)Q策樹(shù)的基本組成部分：根結(jié)點(diǎn)、分支和葉結(jié)點(diǎn)。—個(gè)決策樹(shù)由根結(jié)點(diǎn)、分支和葉結(jié)點(diǎn)構(gòu)成。決策樹(shù)是判定給定樣本與某種屬性相關(guān)聯(lián)的決策過(guò)程的一種表示方法，從數(shù)據(jù)中生成分類(lèi)器的一個(gè)特別有效的方法是生成一棵決策樹(shù)，該方法廣泛應(yīng)用與數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)等領(lǐng)域，用來(lái)解釋用分類(lèi)相關(guān)的問(wèn)題，決策樹(shù)表示法是應(yīng)用最廣泛的邏輯方法之一。數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中自動(dòng)搜索隱藏于其中的有著特殊關(guān)系性（屬于Association rule learning）的信息的過(guò)程。進(jìn)而利用分析結(jié)果引導(dǎo)教學(xué)的開(kāi)展，從而有利于提高教學(xué)質(zhì)量。比如我校的教務(wù)系統(tǒng)，這些系統(tǒng)為老師和學(xué)生提供了很好的幫助。數(shù)據(jù)挖掘技術(shù)可以增強(qiáng)企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)，縮短銷(xiāo)售周期，降低生產(chǎn)成本，有助制定市場(chǎng)計(jì)劃和銷(xiāo)售策略，并已經(jīng)成為電子商務(wù)中的關(guān)鍵技術(shù)。 decision tree；Compare目錄第一章 緒論 ５第二章 文獻(xiàn)綜述 ５ 數(shù)據(jù)挖掘簡(jiǎn)述 ５ 決策樹(shù)算法背景知識(shí)及研究現(xiàn)狀 ６ 決策樹(shù)算法描述 ６ ７第三章 決策樹(shù)算法 ７ CLS算法 ７ ID3算法 ９ 信息量大小的度量 ９ ID3決策樹(shù)應(yīng)用舉例 １０ １２ 用信息增益率選擇屬性 １３ 處理連續(xù)屬性值 １３ 樹(shù)剪枝 １４ weka平臺(tái)的簡(jiǎn)述 １４第四章 決策樹(shù)在學(xué)生成績(jī)中的應(yīng)用 １４ １４ １６ １７第五章 結(jié)論 １８參 考 文 獻(xiàn) I１４第一章 緒論無(wú)論在企業(yè)應(yīng)用領(lǐng)域，還是在科學(xué)領(lǐng)域，數(shù)據(jù)挖掘技術(shù)有著廣泛的應(yīng)用價(jià)值。valueunknownoffromdiscoveryalsodata.Datawithworkareof關(guān)鍵詞：數(shù)據(jù)挖掘；決策樹(shù)；比較AbstractWith摘 要隨著信息科技的高速發(fā)展，人們對(duì)于積累的海量數(shù)據(jù)量的處理工作也日益增重，需求是發(fā)明之母，數(shù)據(jù)挖掘技術(shù)就是為了順應(yīng)這種需求而發(fā)展起來(lái)的一種數(shù)據(jù)處理技術(shù)。本文著重研究和比較了幾種典型的決策樹(shù)算法，并對(duì)決策樹(shù)算法的應(yīng)用進(jìn)行舉例。developmentpeoplemoredealingmassisknowledgedatadatabasepreviouslyuseprocess. Algorithm of decision tree in data mining is an important method of classification based on decision tree algorithms, in execution speed, scalability, output result prehensibility, classification accuracy, each has its own merits., extensive application in various fields and have many mature system, such as speech recognition, pattern recognition and expert system and so on
電大資料相關(guān)推薦
鄂ICP備17016276號(hào)-1