第6章节决策树资料.pdfVIP

第6章 决策树和决策规则 本章目标 分析解决分类问题的基于逻辑的方法的特 性. 描述决策树和决策规则在最终分类模型中 的表述之间的区别. 介绍C4.5算法. 了解采用修剪方法降低决策树和决策规则 的复杂度. 决策树和决策规则是解决实际应用中分类 问题的数据挖掘方法。 一般来说，分类是把数据项映射到其中一 个事先定义的类中的这样一个学习函数的 过程。由一组输入的属性值向量(也叫属性 向量)和相应的类，用基于归纳学习算法得 出分类。 学习的目标是构建一个分类模型，通常也 叫分类器。它可以根据有效的属性输入值 预测一些实体(所给样本)的类。是一个在样 本其他属性已知的情况下预测另外一个属 性(样本的类)的模型(分类的结果)。 6.1 决策树 从数据中生成分类器的一个特别有效的方 法是生成一个决策树。它是一种基于逻辑 的方法，通过一组输入-输出样本构建决策 树的有指导学习方法。 决策树包含属性已被检验的节点，一个节 点的输出分枝和该节点的所有可能的检验 结果相对应。 图7-2是一个简单的决策树。该问题有两个 属性X,Y 。所有属性值X1和YB 的样本属 于类2 。不论属性Y 的值是多少，值X 1 的 样本都