决策树课件资料.pptVIP

下载本文档

19
0
约1.86万字
约 84页
2022-04-12 发布于重庆
举报
版权申诉

决策树课件资料.ppt

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

weka中的weather数据（字符型、数值型） outlook temperature humidity windy play sunny hot high FALSE no sunny hot high TRUE no overcast hot high FALSE yes rainy mild high FALSE yes rainy cool normal FALSE yes rainy cool normal TRUE no overcast cool normal TRUE yes sunny mild high FALSE no sunny cool normal FALSE yes rainy mild normal FALSE yes sunny mild normal TRUE yes overcast mild high TRUE yes overcast hot normal FALSE yes rainy mild high TRUE no outlook temperature humidity windy play sunny 85 85 FALSE no sunny 80 90 TRUE no overcast 83 86 FALSE yes rainy 70 96 FALSE yes rainy 68 80 FALSE yes rainy 65 70 TRUE no overcast 64 65 TRUE yes sunny 72 95 FALSE no sunny 69 70 FALSE yes rainy 75 80 FALSE yes sunny 75 70 TRUE yes overcast 72 90 TRUE yes overcast 81 75 FALSE yes rainy 71 91 TRUE no * 第六十一页，共八十四页。 C4.5示例 Weka J48 第六十二页，共八十四页。 Weka J48算法源码解析第六十三页，共八十四页。 Weka J48算法源码解析高级类J48 第六十四页，共八十四页。 Weka J48算法源码解析可剪枝的C4.5分类器第六十五页，共八十四页。 Weka J48算法源码解析分类树第六十六页，共八十四页。 Weka J48算法源码解析分类树第六十七页，共八十四页。 Weka J48算法源码解析 C4.5分裂模式第六十八页，共八十四页。 Weka J48算法源码解析 C4.5分裂模式第六十九页，共八十四页。 Weka J48算法源码解析 C4.5分裂模式第七十页，共八十四页。 Weka J48算法源码解析选择分裂属性第七十一页，共八十四页。 Weka J48算法源码解析处理离散属性第七十二页，共八十四页。 Weka J48算法源码解析计算增益第七十三页，共八十四页。 Weka J48算法源码解析计算增益率第七十四页，共八十四页。 Weka J48算法源码解析熵和条件熵第七十五页，共八十四页。 Weka J48算法源码解析属性熵第七十六页，共八十四页。 Weka J48算法源码解析处理连续属性第七十七页，共八十四页。 Weka J48算法源码解析处理连续属性第七十八页，共八十四页。 Weka J48算法源码解析处理所有可能的分裂点第七十九页，共八十四页。 Weka J48算法源码解析剪枝算法第八十页，共八十四页。 Weka J48算法源码解析剪枝算法第八十一页，共八十四页。 Weka J48算法源码解析计算错误率第八十二页，共八十四页。 Data Mining Tool －Decision Tree 福建省粒计算及其应用重点实验室赵红 2014年11月第八十三页，共八十四页。内容总结 Data Mining Tool －Decision Tree。2014年11月。281-556-0544。信息期望的减少（信息增益）。熵——系统凌乱程度的度量。在同一个集合中，分类越集中于某一类，越不凌乱。分类越均匀分散于不同的类，则越凌乱。S为某正反样例的样例集（布尔分类）。S的所有成员属于同一类，Entropy(S)=0。S的正反样例数量相等， Entropy(S)=1。如果目标属性具有c个可能值，那么熵最大可能为log2c。信息增益是定义属性分类训练数据的能力的度量标准。更精确地讲，一个属性A相对样例集合S的信息增益Gain(S,A)，被定义为：。决策树的建立-- 对测试样例的信息期望。熵和条件熵第八十四页，共八十四页。决策树的建立-- 对测试样例的信息期望 3. 假定选择学生作树根节点，则：学生组: I(420,64)=0.5