决策树(Decision Tree).pdf
免费下载
决策树(Decision Tree)
决策树是一种机器学习的方法。决策树的生成算法有 ID3, C4.5 和 C5.0
等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，
每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。
决策树是一种十分常用的分类方法，需要监管学习（有教师的
Supervised Learning），监管学习就是给出一堆样本，每个样本都有
一组属性和一个分类结果，也就是分类结果已知，那么通过学习这些样
本得到一个决策树，这个决策树能够对新的数据给出正确的分类。这里
通过一个简单的例子来说明决策树的构成思路：
给出如下的一组数据，一共有十个样本（学生数量），每个样本有分数，
出勤率，回答问题次数，作业提交率四个属性，最后判断这些学生是否
是好学生。最后一列给出了人工分类结果。
然后用这一组附带分类结果的样本可以训练出多种多样的决策树，这里
为了简化过程，我们假设决策树为二叉树，且类似于下图：
通过学习上表的数据，可以设置 A，B，C，D，E 的具体值，而 A，B，
C，D，E 则称为阈值。当然也可以有和上图完全不同的树形，比如下图
这种的：
of 8
免费下载
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文档的来源（墨天轮），文档链接，文档作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
下载排行榜
评论