数据挖掘十大算法之C4.5.pptxVIP

第一章 C4.5;主要内容 引言 算法描述 算法特性 决策树剪枝 连续型属性 缺失值处理 规则集诱导 软件实现 示例 高级主题 二级存储 斜决策树 特征选择 集成方法 分类规则 模型重述 ;引言;C4.5算法所用数据集的一个示例;引言;算法描述;算法描述;利用 C4.5 算法获得的决策树;从数据中诱导出这样的树所面临的各种选择;有哪些可能测试类型？;如何对测试进行选择？;如何选取测试的阈值？;如何决定停止树生长？;如何确定叶节点类别？;信息增益和信息增益率;在树诱导过程中，C4.5算法的目标就通过合适的提问来获得信息，实现这个熵值的下降。熵值的下降幅度就成为信息增益。;信息增益和信息增益率;信息增益和信息增益率;说明;决策树剪枝;基于成本复杂度的剪枝;错误消减剪枝;悲观剪枝;基于理想置信区间剪枝;连续型属性;缺失值处理;第一个问题：;第二个问题：;第三个问题：;规则集诱导;Thank you!