決策樹技術(shù)培訓(xùn)課程-在線瀏覽
2025-02-14 19:46本頁面
【正文】 不是全局最優(yōu)。這一過程就是利用決策樹進行分類的過程，利用若干個變量來判斷屬性的類別 決策樹的優(yōu)點 推理過程容易理解，決策推理過程可以表示成 If Then形式； 推理過程完全依賴于屬性變量的取值特點； 可自動忽略目標(biāo)變量沒有貢獻的屬性變量，也為判斷屬性變量的重要性，減少變量的數(shù)目提供參考。 每個葉結(jié)點代表一種可能的分類結(jié)果 在沿著決策樹從上到下的遍歷過程中，在每個結(jié)點都有一個測試。每個分支是一個新的決策結(jié)點，或者是樹的葉子。 決策樹的表示 決策樹的基本組成部分：決策結(jié)點、分支和葉子。所有屬性值 X1和 YB的樣本屬于類 2。 下圖 是 一個簡單的決策樹。 (a) 決策樹方法的起源是概念學(xué)習(xí)系統(tǒng) CLS (b) 機器學(xué)習(xí)領(lǐng)域前輩及大牛之一 Quinlan, 在 1983提出 ID3決策樹算法； 1993年正式提出了 ,并公布了源代碼 2023年發(fā)表 （ See5）商業(yè)版 決策樹的另一類家族： CART 1984， Friedman Breiman 決策樹基本概念 決策樹是一種典型的分類方法，首先對數(shù)據(jù)進行處理，利用歸納算法生成可讀的規(guī)則和決策樹，然后使用決策對新數(shù)據(jù)進行分析。它可以根據(jù)有效的屬性輸入值預(yù)測一些實體 (所給樣本 )的類。由一組輸入的屬性值向量 (也叫屬性向量 )和相應(yīng)的類，用基于歸納學(xué)習(xí)算法得出分類。決策樹技術(shù) Decision Trees 組 員：賈小彥 鄧蓓蓓 戴維 內(nèi)容提要 ?簡介 ?決策樹基本概念 ?決策樹的優(yōu)缺點 ?經(jīng)典算法 簡介 ?決策樹和決策規(guī)則是解決實際應(yīng)用中分類問題的數(shù)據(jù)挖掘方法。 ?一般來說，分類是把數(shù)據(jù)項映射到其中一個事先定義的類中的這樣一個學(xué)習(xí)函數(shù)的過程。 ?學(xué)習(xí)的目標(biāo)是構(gòu)建一個分類模型，通常也叫分類器。是一個在樣本其他屬性已知的情況下預(yù)測另外一個屬性 (樣本的類 )的模型 (分類的結(jié)果 )。本質(zhì)上決策樹是通過一系列規(guī)則對數(shù)據(jù)進行分類的過程。該問題有兩個屬性 X,Y。不論屬性 Y的值是多少，值 X 1的樣本都屬于類 1。 決策樹中最上面的結(jié)點稱為根結(jié)點是整個決策樹的開始。 每個決策結(jié)點代表一個問題或者決策通常對應(yīng)待分類對象的屬性。對每個結(jié)點上問題的不同測試輸出導(dǎo)致不同的分枝，最后會達到一個葉子結(jié)點。 決策樹的 缺點 對連續(xù)性的字段比較難預(yù)測 當(dāng)類別太多時，錯誤可能會增加的比較快 一般的算法分類的時候，只是根據(jù)一個屬性來分類。 決策樹的優(yōu) 、 缺點 經(jīng)典算法 ——ID3學(xué)習(xí)算法 決策樹的生成 基本算法 自上而下分而治之的方法 開始時，所有的數(shù)據(jù)都在根節(jié)點 屬性都是種類字段 (如果是連續(xù)的，將其離散化 ) 所有記錄用所選屬性遞歸的進行分割 屬性的選擇是基于一個啟發(fā)式規(guī)則或者一個統(tǒng)計的度量
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1