- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
决策树学习算法ID3的研究
微 机 发 展 年第 期
% !""! *
文章编号: ( )
$""*#)’*$!""!"*#"""%#"(
决策树学习算法!"#的研究
$%&%’()*+,"%)-&-+,.(%%/%’(,-, 12+(-3*4 +5!"#
0 0
杨 明,张载鸿(北京工业大学 计算机学院,北京 )
$"""!!
, ( , , )
+,-./01 34,-.3506781 98: <=>?@A0>1A>98BB>>8CD>001 F8B=>A710AH10IJD>001 $"""!!97015
2 2 ; 2 E2 G E2
摘 要: 是决策树学习的核心算法,为此详细叙述了决策 是完全的。一棵决策树可以代表一个决定训练例集分
KL)
树表示方法和 决策树学习算法,特别说明了决策属性的
KL) 类的决策过程,树的每个结点对应于一个属性名或一
选取法则。通过一个学习实例给出该算法第一次选取决策属 个特定的测试,该测试在此结点根据测试的可能结果
性的详细过程,并且对该算法进行了讨论。一般情况下,
KL) 对训练例集进行划分。划分出的每个部分都对应于相
算法可以找出最优决策树。
应训练例集子空间的一个分类子问题,该分类子问题
关键词:决策树学习; 算法;机器学习;熵;信息赢取
KL)
可以由一棵决策树来解决。因此,一棵决策树可以看
:
16&3(’)3KL)0M=7>N> 5B8?0=7: 8CO>A0M081=?>>B>5?101 JP8?
G 2 2 []
作是—个对目标分类的划分和获取策略! 。
,
=70M?>5M81 ?>M>1=>O=7>>Q?>MM01 :>=78O8CO>A0M081=?>>51O
; ; 2
,
518=0:0R>OO>A0M081=?>>B>5?101 5B8?0=7: 8CKL) >M>A05BB
; 2 2 ; G
算法
< !"#
>QB501>O78S =8M>B>A==7>?><B5=0818CO>A0M0815==?0T<=081J
; 2
决策树学习是一种归纳学习方法,决策树学习的
,
U7?8<75101M=51A> =7> 5>?M78S>O=7> ?8A>O<?>8CM>B>A=6
2 ;; ;
- 软件下载与安装、电脑疑难问题解决、office软件处理 + 关注
-
实名认证服务提供商
专注于电脑软件的下载与安装,各种疑难问题的解决,office办公软件的咨询,文档格式转换,音视频下载等等,欢迎各位咨询!
文档评论(0)