机器学习之第四章-决策树.pptxVIP

下载本文档

16
0
约小于1千字
约 43页
2018-02-08 发布于贵州
举报
版权申诉

机器学习之第四章-决策树.pptx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

机器学习之第四章-决策树

第四章决策树提纲一、基本流程二、划分选择三、剪枝处理四、连续与缺失值五、多变量决策树一、基本流程一、基本流程一、基本流程一、基本流程天清浅一、基本流程二、划分选择常见的度量样本集合纯度的指标：信息增益、增益率、基尼指数二、划分选择若某项Pk=1，则Ent（D）=0天清浅二、划分选择天清浅二、划分选择天清浅二、划分选择天清浅二、划分选择天清浅二、划分选择天清浅二、划分选择天清浅二、划分选择天清浅二、划分选择二、划分选择在上面的介绍中，我们有意忽略了表4.1 中的“编号”这一列.若把“编号”也作为一个候选划分属性，则根据式件均可计算出它的信息增益为0.998，远大于其他候选划分属性。这很容易理解“编号”将产生17 个分支，每个分支结点仅包含一个样本，这些分支结点的纯度己达最大。然而，这样的决策树显然不具有泛化能力，无法对新样本进行有效预测。（泛化能力：算法对新样本的适应能力）实际上，信息增益准则对可取值数目较多的属性有所偏好，为减少这种偏好可能带来的不利影响，著名的C4.5 决策树算法[Quinlan， 1993J 不直接使用信息增益，而是使用增益率 (gain ratio) 来选择最优划分属性.二、划分选择二、划分选择天清浅三、剪枝处理二、剪枝处理二、剪枝处理天清浅二、剪枝处理天清浅二、剪枝处理天清浅二、剪枝处理二、剪枝处理天清浅二、剪枝处理天清浅四、连续与缺失值二、剪枝处理天清浅四、连续与缺失值天清浅四、连续与缺失值四、连续与缺失值四、连续与缺失值天清浅四、连续与缺失值天清浅四、连续与缺失值天清浅四、连续与缺失值4.9试将4.4.2节对缺失值的处理机制推广到基尼指数的计算中去。?答：天清浅五、多变量决策树五、多变量决策树五、多变量决策树五、多变量决策树天清浅THANK YOU FOR EVERYBODY!