决策树(详细易懂,很多例子)课件.ppt

决策树Decision Tre;决策树算法是一种归纳分类算法,;决策树的结构 决;决策树的结构*根部节点(roo;单变量树 每个内部;决策树分类训练阶段 ;Example of a De;Another Example;Apply Model to ;Apply Model to ;Apply Model to ;Apply Model to ;Apply Model to ;Apply Model to ;决策树原理基本算法（贪心算法）;算法：Generate_dec;例子：算法过程RefundYe;例子：算法过程RefundYe;例子：算法过程RefundYe;例子：算法过程RefundYe;问题1：分类从哪个属性开始？ ;分类划分的优劣用不纯性度量来分;Father of infor;? 系统越无序、越混乱，熵就越;例子气象数据集，都是标称属性什;1.基于天气的划分2.基于温度;构造树训练样本的信息值第一棵树;（1）训练样本的信息值(基于类;（2） 第一棵树，属性，各叶节;（3）第一棵树，属性，导致的信;（4）依次，计算每棵树导致的信;（5）选择获得最大信息增益的属;（6）以此类推，递归，继续??分;天气，晴分支纯子节点血孜俊崭揽;?（6）以此类推，递归，继续划;天气 雨分支 有风纯的子节点推;（7）当所有叶节点都是纯的，划;最终的决策树Weather数据;ID3如何选择具有最高信息增益;思考：如果考虑充当唯一识别的属;C4.5C4.5如何选择具有最;C4.5算法概述C4.5算法是;连续值的处理选取(连续值的)哪;连续值的处理2. 对每个候选的;C4.5算法中：有未知值的样本;有一个丢失值的简单平面数据库数;属性1的增益计算考虑13个数据;考虑未知值的影响：Split_;优点?：?? (1)?