决 策树分类.pptVIP

dataset Boosting试验: 平均T=4.9时,训练准确率可以达到T=10时的训练准确率. 但T=4.9时,总的错误率却比T=10时的错误率高 改变boosting投票权重(1) AdaBoost.M1中的投票权重: log [ 1 / βt ] 替代: age? student? credit rating? no yes fair excellent =30 30 … … k … 改变boosting投票权重(2) x1,x2,…,xn S baggingboosting 应用前景 Internet上的文本过滤 图像数据库中的图像识别 手写体字符识别 语音识别 研究方向 Bagging和boosting非常相似,是否存在统一的理论框架. Boosting发生overfit的条件. Bagging Boosting 分类 决策树分类: ID3 C4.5 贝叶斯分类 后向传播分类 其它分类 分类法的准确性 评估分类法的准确率 保持（holdout） K-次交叉验证（k-fold cross validation） 提高分类法的准确率 bagging boosting 评估分类法的准确率 保持（holdout） 划分为两个独立的数据集： 通常:训练集 (2/3),测试集(1/3) 变形：随机子选样 数据 训练集 测试集 导出分类法 评