《机器学习之决策树》.pptVIP

找素材就上变色龙网。本资源来自网络分享，免费供交流学习，严禁商用 决策树的原理及适用情景 内容 简单案例 1 原理 2 优缺点 3 适用情景 4 一个决策树的例子 运用决策树分类预测 运用决策树分类预测 运用决策树分类预测 运用决策树分类预测 运用决策树分类预测 运用决策树分类预测 同一个训练数据生成另一棵决策树 问题来了？ 什么是决策树？ 决策树概念 根节点 叶子节点 决策树概念 决策树是一种树形结构，通过做出一系列决策（选择）来对数据进行划分，这类似于针对一系列问题进行选择。 决策树的决策过程就是从根节点开始，测试待分类项中对应的特征属性，并按照其值选择输出分支，直到叶子节点，将叶子节点的存放的类别作为决策结果。 一句话概括：从训练数据中学习得出一个类似于流程图的树型结构。 决策树算法 信息增益—ID3 增益比率—C4.5 基尼指数—CART 信息熵 一条信息的信息量和它的不确定性有着直接的关系 公式定义： 变量的不确定性越大，熵也就越大，需要的信息量也越大，纯度就越小。 条件熵 信息增益 举例说明 按年龄划分 按收入划分 按学生划分 按信用划分 确定第一次分裂的属性 找素材就上变色龙网。本资源来自网络分享，免费供交流学习，严禁商用 * *