基于決策樹(shù)規(guī)則分類算法的研究(12-15)-展示頁(yè)
2025-03-08 16:23本頁(yè)面
【正文】 一個(gè)已知取值ai準(zhǔn)備劃分結(jié)點(diǎn)N所包含的樣本集； （9）根據(jù)test_attribute=ai條件，從結(jié)點(diǎn)N產(chǎn)生相應(yīng)的一個(gè)分支，以表示該測(cè)試條件； （10）設(shè)si為test_attribute=ai條件所獲得的樣本集合； （11）若si為空，則將相應(yīng)葉結(jié)點(diǎn)標(biāo)記為該結(jié)點(diǎn)所含樣本中類別個(gè)數(shù)最多的類別； （12）否則將相應(yīng)葉結(jié)點(diǎn)標(biāo)志為Generate_decision_tree(si,attribute_listtest_attribute)返回值；,3.3 C4.5算法,C4.5算法：是對(duì)ID3的改進(jìn)算法。,決策樹(shù)的工作原理流程圖如下：,數(shù)據(jù)源,訓(xùn)練集,預(yù)處理,決策樹(shù)分類算法歸納,生成決策樹(shù),分類規(guī)則,剪 枝,3.2 決策樹(shù)的基本算法,Generate_decision_tree//根據(jù)給定數(shù)據(jù)集產(chǎn)生一個(gè)決策樹(shù) 輸入：訓(xùn)練樣本，各屬性均取離散數(shù)值，可供歸納的候選屬性集為:attribute_list。 決策樹(shù)的生成過(guò)程：主要分成兩個(gè)步驟:一是生成樹(shù)，二是樹(shù)的修剪。,2.3 分類算法度量的方法與尺度,每種分類方法都需要用一定的指標(biāo)來(lái)進(jìn)行評(píng)估，常用的分類算法的比較與評(píng)估標(biāo)準(zhǔn)有如下幾個(gè)方面： 預(yù)測(cè)的準(zhǔn)確率 可理解性 可伸縮性 速度 強(qiáng)壯性,三、C4.5算法,決策樹(shù)算法的基本理論 決策樹(shù)的基本算法 C4.5算法,3.1 決策樹(shù)算法的基本理論,決策樹(shù)：是一種結(jié)構(gòu)，一種知識(shí)的表達(dá)形式，它由兩種元素組成:節(jié)點(diǎn)和分支。 下圖為分類過(guò)程圖：,訓(xùn)練集,分類模型,可接受的 模型,預(yù)測(cè)結(jié)果,通過(guò)分類算 法建立模型,評(píng)估 模型,預(yù)測(cè),未知數(shù)據(jù) 元組,典型的分類算法: 常用的分類方法包括：決策樹(shù)分類、關(guān)聯(lián)分類、神經(jīng)網(wǎng)絡(luò)、貝葉斯分類方法等。 數(shù)據(jù)挖掘的過(guò)程：確定挖掘目的、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、模式評(píng)估與知識(shí)表示?；跊Q策樹(shù)規(guī)則分類算法的研究,報(bào)告人：孫秀芳 2010年12月15日,介紹內(nèi)容,研究的主要內(nèi)容 數(shù)據(jù)挖掘及其分類方法概述 C4.5算法 基
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1