机器学习实验报告67446.pdfVIP

决策树算法 一、决策树算法简介： 决策树算法是一种逼近离散函数值的方法。 它是一种典型的分类方法， 首先 对数据进行处理， 利用归纳算法生成可读的规则和决策树， 然后使用决策对新数 据进行分析。 本质上决策树是通过一系列规则对数据进行分类的过程。 决策树方 法的基本思想是： 利用训练集数据自动地构造决策树， 然后根据这个决策树对任 意实例进行判定。其中决策树（ Decision Tree）是一种简单但是广泛使用的分类 器。通过训练数据构建决策树， 可以高效的对未知的数据进行分类。 决策数有两 大优点： 1）决策树模型可以读性好， 具有描述性， 有助于人工分析； 2 ）效率高， 决策树只需要一次构建， 反复使用， 每一次预测的最大计算次数不超过决策树的 深度。 决策树算法构造决策树来发现数据中蕴涵的分类规则．