決策樹(shù)算法分析-文庫(kù)吧資料
2025-07-02 10:13本頁(yè)面
【正文】 的期望壓縮。則任意樣本S屬于類Ci的概率為：。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。眼睛顏色頭發(fā)顏色頭發(fā)顏色頭發(fā)顏色黑色藍(lán)色灰色白種人[4]白種人[2]混血[7]白種人[6]黃種人[1]混血[8]白種人[5]白種人[3]黑色金色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屬性。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。該測(cè)試屬性對(duì)應(yīng)決策樹(shù)中的決策結(jié)點(diǎn)。第三章 決策樹(shù)算法 CLS算法CLS算法是早期的決策樹(shù)學(xué)習(xí)算法，是許多決策樹(shù)學(xué)習(xí)算法的基礎(chǔ)。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。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(shù)技術(shù)面臨的困難問(wèn)題。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。目前，決策樹(shù)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。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)。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)?！獋€(gè)決策樹(shù)由根結(jié)點(diǎn)、分支和葉結(jié)點(diǎn)構(gòu)成。是發(fā)展比較完善的一種決策樹(shù)算法。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。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。 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。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。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(méi)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。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。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。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)。 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。 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
電大資料相關(guān)推薦
鄂ICP備17016276號(hào)-1