数据挖掘上机作业教程.doc

智能数据挖掘 课题名称： 决策树 姓 名： 学 号： 决策树的基本概念 机器学习中，决策树是一个预测模型；它代表的是对象属性值与对象值之间的一种映射关系。树中每个节点表示某个对象，每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应具有上述属性值的子对象。决策树仅有单一输出；若需要多个输出，可以建立独立的决策树以处理不同输出。从数据产生决策树的机器学习技术叫做决策树学习,通俗说就是决策树。决策树学习也是数据挖掘中一个普通的方法。在这里，每个决策树都表述了一种树型结构，它由它的分支来对该类型的对象依靠属性进行分类。每个决策树可以依靠对源数据库的分割进行数据测试。这个过程可以递归式的对树进行修剪。当不能再进行分割或一个单独的类可以被应用于某一分支时，递归过程就完成了。另外，随机森林分类器将许多决策树结合起来以提升分类的正确率。决策树同时也可以依靠计算条件概率来构造。 决策树如果依靠数学的计算方法可以取得更加理想的效果。决策树一般可归纳为2 类：分类与预测。本文着重关于其分类的作用，并以此来构建一个完整的决策树。 二、决策树分类器的优点 以此次用的 ID3 算法为例，以