決策樹算法在商標分類中的應用-在線瀏覽
2025-05-26 13:06本頁面
【正文】 的一個。正文：決策樹方法是挖掘分類規(guī)則的有效方法，通常包括兩個部分：①樹的生成，開始時所有的數(shù)據(jù)都在根節(jié)點，然后根據(jù)設定的標準選擇測試屬性，用不同的測試屬性遞歸進行數(shù)據(jù)分割?；谛畔㈧氐腎D3算法、C4．5算法都能有效地生成決策樹，建決策樹的關鍵在于建立分支時對記錄字段不同取值的選擇?？梢?，決策樹算法的技術難點就是選擇一個好的分支取值。相反，若根據(jù)一個差的取值產(chǎn)生分支，不但減慢決策樹的生長速度，而且使產(chǎn)生的決策樹分支過細、結(jié)構(gòu)差，從而難以發(fā)現(xiàn)有用的規(guī)則信息。因此使算法能有效處理大規(guī)模的訓練樣本集已成為決策樹算法研究的一個重要問題，也是目前國內(nèi)對決策樹算法研究的熱點。C4 .5 算法是構(gòu)造決策樹分類規(guī)則的一種算法，它是ID3算法的擴展。(1)根據(jù)原始數(shù)據(jù)，找到該連續(xù)型屬性的最小取值a0大取值an+1。(3 )分別以ai ,i=1,2,? ,n。Ste p2 :計算每個屬性的信息增益和信息增益率。(2 )計 算 屬性A的信息增益率Gain一Ratio( A)Gain一Ratio(A)=Gain(A)/I(A )對于取值連續(xù)的屬性而言，分別計算以ai(i=1,2,…,n)為分割點，對應分類的信息增益率，選擇最大信息增益率對應的ai，作為該屬性分類的分割點。Step3:根節(jié)點屬性每一個可能的取值對應一個子集，對樣本子集遞歸地執(zhí)行以上Step2過程，直到劃分的每個子集中的觀測數(shù)據(jù)在分類屬性上取值都相同，生成決策樹。類似算法的主要思想都是，逐步找出能夠為各個層次的分類提供最大信息量的變量，由此可以確定決策樹從根到枝，再從枝到葉的結(jié)構(gòu)?，F(xiàn)在分析給
公司管理相關推薦
鄂ICP備17016276號-1