決策樹(完整)-資料下載頁
2025-01-22 17:54本頁面
【正文】 益 D對于問題 2： 對于有缺失值的樣本如何將它從父結(jié)點(diǎn)劃分到子結(jié)點(diǎn)中 ?若樣本 在劃分屬性 a上的取值已知，則將 劃入 與其取值對應(yīng)的子結(jié)點(diǎn) ，且樣本權(quán)值在子結(jié)點(diǎn)中保持為 ?若樣本 在劃分屬性 a上的取值未知，則將 同時(shí)劃入 所有子結(jié)點(diǎn) ，且樣本權(quán)值在子結(jié)點(diǎn)中調(diào)整為 ，就是讓同一個(gè)樣本以不同的概率劃入不同的子結(jié)點(diǎn)中。 x xwvxrw?x xxw其中， 是為每個(gè)樣本 賦予的一個(gè)權(quán)重 x運(yùn)用 ： 問題 1 屬性值缺失 時(shí)，如何 進(jìn)行劃分屬性選擇？ =屬性值缺失 時(shí)，如何計(jì)算缺失屬性的信息增益？ :vr無缺失值樣本中在屬性 上取值 的樣本 所占比例 vaa:kp無缺失值樣本中第 k類所占比例 根結(jié)點(diǎn)包含樣本集 中全部 17個(gè)樣本 屬性“色澤”無缺失值的樣例子集 包含 14個(gè)樣例： D ={2,3,4 ,6,7 ,8,9 ,10, 11,1 2,14 ,15, 16,1 7}D好瓜 (6個(gè) ) 壞瓜 (8個(gè) ) 1417? ?無缺失值樣本 所占比例 :vr無缺失值樣本中在屬性 上取值 的樣本 所占比例 vaa:?無缺失值樣本 所占比例 “紋理”被用于對根結(jié)點(diǎn)進(jìn)行劃分 問題 2 給定劃分屬性，若樣本在該屬性上的值缺失，如何對樣本進(jìn)行劃分？ 樣本劃分原則： ? 屬性 值已知， 劃入與其取值對應(yīng)的子結(jié)點(diǎn)，樣本權(quán)值不變，仍為 ? 屬性 值未知，劃入所有子結(jié)點(diǎn) ，樣本權(quán)值調(diào)整為 ，讓同一個(gè)樣本以不同的概率劃入不同的子結(jié)點(diǎn)中 xwvxrw?:vr無缺失值樣本中在屬性 上取值 的樣本 所占比例 vaa 753,15 15 15“紋理”屬性值缺失的樣本編號為： 8,10 權(quán)值為： {8}和 {10}同時(shí)進(jìn)入三個(gè)分支中，權(quán)值分別為： \ {8,10 }D =1xw 每個(gè)屬性 d個(gè)屬性描述的樣本 對樣本分類 ~ 坐標(biāo)空間中的一個(gè)坐標(biāo)軸 ~ d維空間中的一個(gè)數(shù)據(jù)點(diǎn) ~ 在坐標(biāo)空間中尋找不同類樣本之間的分類邊界 決策樹形成的分類邊界的明顯特點(diǎn)：軸平行，分類邊界由若干個(gè)與坐標(biāo)軸平行的分段組成。 優(yōu)點(diǎn)： 學(xué)習(xí)結(jié)果解釋性強(qiáng)，每個(gè)劃分都對應(yīng)一個(gè)屬性取值 2個(gè)屬性 ~二維平面 不足： 1diiiw a t???可以從該結(jié)點(diǎn)所含的樣本集 D和屬性集 A上學(xué)得 ,iw
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1