决策树学习及EE5的使用.pptVIP

决策树学习及SEE5的使用 决策树学习 一、什么是决策树学习？ 决策树学习是一种逼近离散值目标函数的方法，这种方法将从一组训练数据中学习到的函数表示为一棵决策树。 决策树学习是应用最广泛的归纳推理算法之一，已经被成功地应用到从学习医疗诊断到学习评估贷款申请的信用风险的广阔领域。 二、决策树的表示 为了提高决策树的可读性，可以将学习到的决策树表示为多个 IF－THEN 规则。 如上面的决策树可以表示成以下的规则集： Rule 1: IF Outlook=Sunny AND Humidity=High THEN No Rule 2： IF Outlook=Sunny AND Humidity=Normal THEN Yes Rule 3： IF Outlook=Overcast THEN Yes Rule 4： IF Outlook=Rain AND Wind=Strong THEN No Rule 5： IF Outlook=Rain AND Wind=Strong THEN Yes 三、决策树学习的适用问题 通常决策树学习最适合具有以下特征的问题： . 事例是由一系列固定的属性（如Temperature）和它们的值（例 如Hot）