元决策树的构建.pptVIP

谢谢 信号/本底二元决策树的构建 背景 数据挖掘是从数据中发现隐含着的有用的信息或知识的技术，它是随着人类进入信息社会以来对信息的价值认识不断提高而不断发展的，是为满足和解决当前“数据太多，信息不足”问题的技术。数据挖掘有着广泛的应用，如数据库营销、客户群体划分、客户流失性预测、欺诈检测和客户信用记分等。分类法是数据挖掘中的一个非常重要的技术。分类的目标是要根据属性的值为每个类推导出一个简洁的模型或描述。这个模型用于对那些类未知的记录进行分类，赋予每个记录相应的类标签。常见的分类方法有贝叶斯分类、神经网络、遗传算法和决策树分类器，在这些分类方法中，决策树分类器在大规模的数据挖掘环境中已经获得了最为广泛的应用。 1.1决策树法的基本思想 决策树（又称树分类器或分类树）是模式识别中进行分类的一种有效方法。利用树分类器可以把一个复杂的多类别分类问题转化为若干个简单的分类问题来解决。它不是企图用一个决策规则把多个类别的样本一次分开，而是采用分级的方法，使分类问题逐步得到解决。总结起来，决策树就是一个将输入空间逐步分割的过程，它把输入空间分为一组互不相交的子区域，其中某个类别的样本占有优势的区域标记为该样本的类别。 决策树示意图 一般地，一个决策树由一个根节点n1 ,一组非终 止节点ni ,和一些终止节点（也称叶节点、叶