企業(yè)crm系統(tǒng)中決策樹算法的應(yīng)用(編輯修改稿)
2025-07-25 11:51 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 I =30 lowgood12I 3150 mediumgood13Ⅱ3150 mediumgood14I 3150 lowbad22Ⅱ 3150 highbad23I 3150 highgood24I =50 highbad25Ⅱ =50 highbad26I =50 mediumgood5I =30 highgood6I =30 lowgood7Ⅱ=30 lowgood20Ⅱ =30 highgood21I 3150 lowgood圖1決策樹根節(jié)點(diǎn)的測(cè)試屬性在樣本集合中對(duì)education屬性的3個(gè)取值進(jìn)行分支，3個(gè)分支對(duì)應(yīng)3個(gè)子集，分別為：P1＝{1,2,3,4,15,16,17,18,19}；P2＝{8,9,10,11,12,13,14,22,23,24,25,26}；P3={5,6,7,20,21}其中P3的樣本都為good類，因此對(duì)應(yīng)分支標(biāo)記為good，PP2樣本類別未定，所以需要對(duì)PP2子集分別遞歸調(diào)用ID3算法。在P1中可以求出剩下的age、production、area三個(gè)屬性的信息增益。因?yàn)閍rea屬性的信息增益最大，所以把屬性area作為該分支的節(jié)點(diǎn)，再向下分支， P2處理類似，最后得到的決策樹如下圖所示：productionhighlowgoodbad=303150goodageareaIⅡ3150=30badageproductionmediumhighbadgoodeducationHMLgood=3050badagegood3150areaIⅡgoodbadgoodproductionmediumhighlow=303150badagegood圖2 經(jīng)數(shù)據(jù)分類生成的決策樹因此，對(duì)于樣本X=(age= “3150”,education= “l(fā)ow”,level= “medium”, area= “I”)，ID3算法分類預(yù)測(cè)其class為good。決策樹的建立是決策樹分類的基礎(chǔ)，以ID3算法為例說明建立決策樹的過程。在決策樹的遞歸構(gòu)造過程中，在樹的節(jié)點(diǎn)上利用特征的信息增益大小作為分支屬性選擇的依據(jù)，選擇信息增益最大的特征作為分支屬性。ID3算法描述簡(jiǎn)單，分類速度快，適合于大規(guī)模數(shù)據(jù)的處理，具體算法描述如下所示。輸入：訓(xùn)練樣本samples,候選屬性集合attribute_list輸出：一棵決策樹首先創(chuàng)建節(jié)點(diǎn)N，if samples都在同一個(gè)類C then 返回N作為葉節(jié)點(diǎn)，以類C標(biāo)記；if attribute_list為空then返回N作為葉節(jié)點(diǎn)，標(biāo)記為samples中最普遍的類，選擇attribute_lis
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1