ai_決策樹(shù)學(xué)習(xí)_chap6-文庫(kù)吧資料
2025-03-12 22:07本頁(yè)面
【正文】 =weak的樣例是 [6+,2] ? =strong的樣例 [+3,3] ? Humidity : ? Temperature : ? 因此：根節(jié)點(diǎn)為 Outlook 31 Step 2: 分枝 選擇哪個(gè)屬性進(jìn)行劃分？ 32 Step 3: 循環(huán) 選擇哪個(gè)屬性進(jìn)行劃分？ 33 小結(jié) ? 實(shí)例是由“屬性 值”對(duì)（ pair）表示的 ? 目標(biāo)函數(shù)具有離散的輸出值 ? 可能需要析取的描述（ disjunctive description） ? 訓(xùn)練數(shù)據(jù)可以包含錯(cuò)誤 ? 訓(xùn)練數(shù)據(jù)可以包含缺少屬性值的實(shí)例 34 作業(yè) ? 61畫(huà)出表示下面布爾函數(shù)的決策樹(shù) ? （ a） A?172?！度斯ぶ悄堋返?6章 學(xué)習(xí)智能體 決策樹(shù)學(xué)習(xí) 巢文涵 G1001/G931 北航計(jì)算機(jī)學(xué)院智能信息研究所 3/1/2023 1 大綱 ? 簡(jiǎn)介 ? 決策樹(shù)學(xué)習(xí)算法 ? 應(yīng)用實(shí)例 2 決策樹(shù) (Decision Tree) ? 決策樹(shù)學(xué)習(xí)是應(yīng)用最廣的歸納推理算法之一 ? 它是一種逼近 離散 函數(shù)的方法 ? 學(xué)習(xí)到的函數(shù)以決策樹(shù)的形式表示 ? 主要用于分類 ? 對(duì)噪聲數(shù)據(jù)有很好的魯棒性 ? 能夠?qū)W習(xí)析取表達(dá) 3 分類任務(wù)基本框架 A p p l y M o d el歸 納演 繹L ea r n M o d el模 型T id A tt ri b 1 A tt ri b 2 A tt ri b 3 C las s 1 Y e s L a r g e 125K No 2 No M e d i u m 100K No 3 No S ma l l 70K No 4 Y e s M e d i u m 120K No 5 No L a r g e 95K Y e s 6 No M e d i u m 60K No 7 Y e s L a r g e 220K No 8 No S ma l l 85K Y e s 9 No M e d i u m 75K No 10 No S ma l l 90K Y e s 10 T id A tt ri b 1 A tt ri b 2 A tt ri b 3 C las s 11 No S ma l l 55K ? 12 Y e s M e d i u m 80K ? 13 Y e s L a r g e 110K ? 14 No S ma l l 95K ? 15 No L a r g e 67K ? 10 測(cè) 試 集學(xué) 習(xí) 算 法訓(xùn) 練 集4 分類應(yīng)用實(shí)例 ? 垃圾郵件過(guò)濾 ? 信貸分析 ? 新聞分類 ? 人臉識(shí)別、手寫(xiě)體識(shí)別等 5 決策樹(shù)的結(jié)構(gòu) ? 圖結(jié)構(gòu) ? 內(nèi)部節(jié)點(diǎn)（非樹(shù)葉節(jié)點(diǎn)，包括根節(jié)點(diǎn)） ? 在一個(gè)屬性上的測(cè)試 ? 分枝 ? 一個(gè)測(cè)試輸出 ? 樹(shù)葉節(jié)點(diǎn) ? 類標(biāo)識(shí) 6 決策樹(shù)示例 Ti d Re f un d M ar italS t atu sT ax ableIne Chea t1 Y es S i n gl e 12 5 K No2 No M arr i ed 10 0 K No3 No S i n gl e 70K No4 Y es M arr i
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1