決策樹培訓(xùn)講義-展示頁(yè)
2025-01-19 19:36本頁(yè)面
【正文】 ? 強(qiáng)壯性：指給定噪聲數(shù)據(jù)或具有缺失值的數(shù)據(jù)，模型正確預(yù)測(cè)的能力。即是將數(shù)據(jù)集分成十分，輪流將其中 9份做訓(xùn)練 1份做測(cè)試， 10次的結(jié)果的均值作為對(duì)算法精度的估計(jì)，一般還需要進(jìn)行多次 10倍交叉驗(yàn)證求均值，例如 10次 10倍交叉驗(yàn)證，更精確一點(diǎn)。1 決策 樹 (Decision Tree) 2023/1/31 2 ? 分類的意義 數(shù)據(jù)庫(kù) 了解類別屬性與特征 預(yù)測(cè) 分類模型 — 決策樹 分類模型 — 聚類 一、 分類 (Classification) 2023/1/31 3 數(shù)據(jù)庫(kù) 分類標(biāo)記 性別 年齡 婚姻 否 是 否 是 Female Male 35 ≧ 35 未婚 已婚 2023/1/31 分類 的技術(shù) （ 1）決策 樹 4 （ 2）聚類 2023/1/31 分類的程序 5 ? 模型建立 (Model Building) ? 模型評(píng)估 (Model Evaluation) ? 使用模型 (Use Model) 2023/1/31 決策樹分類的步驟 6 數(shù)據(jù)庫(kù) 2023/1/31 訓(xùn)練樣本 (training samples) 建立模型 測(cè)試樣本 (testing samples) 評(píng)估模型 例： 7 資料 訓(xùn)練樣本 婚姻 年齡 家庭 所得 否 是 否 是 未婚 已婚 35 ≧ 35 低 高 否 小康 測(cè)試樣本 錯(cuò)誤率為 % 修改模型 2023/1/31 分類算法的評(píng)估 8 ? 預(yù)測(cè)的 準(zhǔn)確度 ：指模型正確地預(yù)測(cè)新的或先前未見(jiàn)過(guò)的數(shù)據(jù)的類標(biāo)號(hào)的能力。 ? 訓(xùn)練測(cè)試法 (trainingandtesting) ? 交 叉 驗(yàn)證法 (crossvalidation) ? 例如，十折交叉驗(yàn)證。 2023/1/31 2023/1/31 9 ? 速度 ：指產(chǎn)生和使用模型的計(jì)算花費(fèi)。 ? 可詮釋性 ：指模型的解釋能力。 ? 貪心算法：在每一步選擇中都采取在當(dāng)前狀態(tài)
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1