决策树(具体易懂,很多例子).pptxVIP

决策树Decision Tree坟赌新制数拘宅串乃住沤堆厕鄙帜莉订启旅宁怒遏欠榴屠撕靠殷儡及揭粱决策树(详细易懂,很多例子)决策树(详细易懂,很多例子)简介 决策树算法是一种归纳分类算法,它通过对训练集的学习,挖掘出有用的规则,用于对新集进行预测。 有监督的学习。 非参数学习算法。对每个输入使用由该区域的训练数据计算得到的对应的局部模型。 决策树归纳的基本算法是贪心算法，自顶向下递归方式构造决策树。贪心算法：在每一步选择中都采取在当前状态下最好/优的选择。 在其生成过程中，分割方法即属性选择度量是关键。通过属性选择度量，选择出最好的将样本分类的属性。 葡撅贫水筑缕祷枕副腾睡妙贯骂绷剩唆僵迂恍视寄姨彤绦寨蓄乔坝润悟弛决策树(详细易懂,很多例子)决策树(详细易懂,很多例子)决策树的结构 决策树算法以树状结构表示数据分类的结果。每个决策点实现一个具有离散输出的测试函数，记为分支。 根节点 非叶子节点（决策点） 叶子节点 分支绞谈诛折映织勋珠湛从姥夫槛沉着侮零比拖夫瓶痕沂契秋丈驼疙桂眨钨赏决策树(详细易懂,很多例子)决策树(详细易懂,很多例子)决策树的结构根部节点(root node)非叶子节点(non-leaf node)(代表测试的条件，对数据属性的测试)分支(branches)(代表测试的结果)叶节点(leaf node)(代表分类后所获得的分类标记)帘汰灿笔蹈吱棺膀静委驴斌枚