数据挖掘原理和SPSSClementine应用宝典元昌安主编邓松.pptVIP

第9章　决策树算法 数据挖掘原理与SPSS Clementine应用宝典 元昌安 主编　 邓　松　李文敬　刘海涛　编著 电子工业出版社 第9章 决策树算法 本章大纲： 决策树算法原理 常用决策树算法 决策树剪枝 由决策树提取分类规则 应用实例分析 9.1 决策树算法原理 优点： 使用者不需要了解很多背景知识，只要训练事例能用属性→结论的方式表达出来，就能用该算法学习； 决策树模型效率高，对训练集数据量较大的情况较为适合； 分类模型是树状结构，简单直观，可将到达每个叶结点的路径转换为IF→THEN形式的规则，易于理解； 决策树方法具有较高的分类精确度。 9.1 决策树算法原理 传统的数据分类操作通常有以下两个步骤: 模型训练阶段：根据给定的训练集，找到合适的映射函数H:→C的表示模型。 使用上一步训练完成的函数模型预测数据的类别，或利用该函数模型，对数据集中的每一类数据进行描述，形成分类规则。 9.1 决策树算法原理 工作过程： 9.1 决策树算法原理 定义 9.1 给定一个训练数据集D＝，其中每个实例，称为例子，训练数据集中包含以下属性A=。同时给定类别集合C。对于训练数据集D，决策树是指具有以下性质的树： 每个内部节点都被标记一个属性Ai。 每个弧都被标记一个值，这个值对