决策树分类算法的时间和性能测试介绍.docVIP

决策树分类算法的时间和性能测试 姓名： ls 学号：  目录 一、项目要求 3 二、基本思想 3 三、样本处理 4 四、实验及其分析 9 1.总时间 9 2.分类准确性. 12 五、结论及不足 13 附录 14 一、项目要求 设计并实现决策树分类算法（可参考网上很多版本的决策树算法及代码，但算法的基本思想应为以上所给内容）。 使用 UCI 的基准测试数据集，测试所实现的决策树分类算法。评价指标包括：总时间、分类准确性等。 (3) 使用 UCI Iris Data Set 进行测试。 基本思想 决策树是一个类似于流程图的树结构，其中每个内部节点表示在一个属性变量上的测试，每个分支代表一个测试输出，而每个叶子节点代表类或分布，树的最顶层节点是根节点。 当需要预测一个未知样本的分类值时，基于决策树，沿着该树模型向下追溯，在树的每个节点将该样本的变量值和该节点变量的阈值进行比较，然后选取合适的分支，从而完成分类。决策树能够很容易地转换成分类规则，成为业务规则归纳系统的基础。 决策树算法是非常常用的分类算法，是逼近离散目标函数的方法，学习得到的函数以决策树的形式表示。其基本思路是不断选取产生信息增益最大的属性来划分样例 集和，构造决策树。信息增益定义为结点与