详细版决策树--PPT.pptxVIP

决策树;决策树;1.1 决策树模型与学习;1.1.1 决策树模型;决策树学习算法的特点;决策树学习的主要算法;例1. 找对象;1.1.2 决策树与if-th;1.1.3 决策树与条件概率分;1.1.4 决策树学习;1.1.4 决策树学习;1.2 特征选择 1.2.1 ;PowerPoint 演示文稿;1.2.2 信息增益;熵-就分类而言，所有成员都属于;条件熵;信息增益;信息增益的具体公式;信息增益算法;例1.3 对表1.1所给的训;1.2.3 信息增益比;1.3 决策树的生成 1.3.;例1.4 对表1.1的训练数据;PowerPoint 演示文稿;这里生成的决策树只用到两个特征;补充：如何解决决策树的过拟合问;补充：如何解决决策树的过拟合问;二.产生过度拟合数据问题的原因;三.如何解决过度拟合数据问题？;1.3.2 C4.5的生成算法;1.4 决策树的剪枝;算法1.4 树的剪枝算法;关于剪枝的补充——先剪枝;补充：关于剪枝——先剪枝;关于剪枝的补充——后剪枝;补充：关于剪枝的准则;补充：关于剪枝的准则;REP——错误率降低剪枝;PowerPoint 演示文稿;PEP——悲观错误剪枝;PowerPoint 演示文稿;PowerPoint 演示文稿;PEP——小例题;PowerPoint 演示文稿;例子;CCP续;CCP续;PowerPoint 演示文稿;1.5 CART（分类