第5章 数据分类决策树.pptxVIP

数据仓库与数据挖掘技术 ; 第5章 决策树和决策规则 ;Age;5.1 引例;5.1 引例;5.2 分类问题概述;5.2.1 分类的过程;5.2.1 分类的过程;5.2.2 分类的评价准则;5.2.2 分类的评价准则;5.2.2 分类的评价准则;5.2.2 分类的评价准则;5.2.2 分类的评价准则; 决策树方法的起源是亨特（Hunt，1966）的概念学习系统CLS方法，然后发展到由Quinlan研制ID3方法，然后到著名的C4.5算法，C4.5算法的一个优点是它能够处理连续属性。还有CART算法和Assistant算法也是比较有名的决策树方法。 ;决策树的优点： 进行分类器设计时，决策树分类方法所需时间相对较少 决策树的分类模型是树状结构，简单直观，比较符合人类的理解方式 可以将决策树中到达每个叶节点的路径转换为IF—THEN形式的分类规则，这种形式更有利于理解;1. 什么是决策树 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。 决策树提供了一种展示类似在什么条件下会得到什么值这类规则的方法。下例是为了解决这个问题而建