决策树学习算法ID3的研究.pdfVIP

下载本文档

3
0
约2.88万字
约 8页
2017-03-06 发布于河北
举报
版权申诉

决策树学习算法ID3的研究.pdf

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

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 ;; ;