决策树中选取的分隔是为了降低子节点的变异.ppt

資料庫行銷 尋找分隔 培養整棵樹 測量決策樹 的效度 資料庫行銷 尋找分隔 培養整棵樹 測量決策樹 的效度 資料庫行銷 資料庫行銷 資料庫行銷 資料庫行銷 修正規則 看球賽而且跟朋友出門→喝啤酒 看球賽而且地主隊獲勝而且待在家裡→喝健怡汽水 看球賽而且地主隊輸球而且待在家裡→喝牛奶 大部分的決策樹的分支都只根據一個欄位 缺點：產生過多分支，過多節點，以致每個節點的資料筆數過少，缺乏統計上的代表性，所產生之決策樹較不穩定 * * * * 改善方式：允許根據一個以上的欄位來分支 將各欄位的條件AND在一起，作為分支的條件 * * 傳統決策樹的分支測試建立在單一欄位的測試上，從幾何學角度來看，是將資料做矩形的分隔 但有些資料不適合用單一屬性作矩形分隔 解決方式：將hyperplane傾斜，找出更合適的分隔平面（見下一頁範例） 傾斜的hyperplane其實是由既有欄位所衍生的欄位所做的矩形的分隔 * * * * Neural tree：在每一個節點都用一個小型的類神經網路 優點 比靠單一屬性作矩形分隔更具彈性 比純類神經網路需要較短的訓練時間 缺點 類似類神經網路，產生之結果較不易解讀 * * * * 決策樹在資料研究、分類及計分上具有廣泛的 適用性。 目標是找出清楚明瞭的規則時，決策樹是最佳 選擇。 和其他資料採礦技術相比，決策樹花的資料