数据挖掘第三版第九章课后习题答案.docVIP

8.1简述决策树分类的主要步骤 答：决策树( Decision Tree )又称为判定树，是运用于分类的一种树结构。其中的每个内部结点( internal node )代表对某个属性的一次测试，每条边代表一个测试结果，叶结点( leaf )代表某个类( class )或者类的分布( class distribution )，最上面的结点是根结点。决策树分为分类树和回归树两种，分类树对离散变量做决策树，回归树对连续变量做决策树。 　　构造决策树是采用自上而下的递归构造方法。决策树构造的结果是一棵二叉或多叉树，它的输入是一组带有类别标记的训练数据。二叉树的内部结点(非叶结点)一般表示为一个 逻辑判断，如形式为 (a = b) 的逻辑判断，其中 a 是属性， b 是该属性的某个属性值;树的边是逻辑判断的分支结果。多叉树( ID3 )的内部结点是属性，边是该属性的所有取值，有几个属性值，就有几条边。树的叶结点都是类别标记。 使用决策树进行分类分为两步： 　　第 1 步：利用训练集建立并精化一棵决策树，建立决策树模型。这个过程实际上是一个从数据中获取知识，进行 机器学习的过程。 第 2 步：利用生成完毕的决策树对输入数据进行分类。对输入的记录，从根结点依次测试记录的属性值，直到到达某个叶结点，从而找到该记录所在的类 8.6为什么朴素叶贝斯分类称为“朴素”的？简述朴素叶贝斯分类的主要思想。