客户数据挖掘.ppt

决策树的属性选取 属性选取标准： 最大化反映数据差异，使树的层次和节点数最小 患者代码 嗓子痛 发烧 淋巴肿 充血 头痛 诊断结果 1 Yes yes Yes Yes Yes 咽炎 2 No No No Yes Yes 敏感症 3 Yes Yes No Yes No 感冒 4 Yes No Yes No No 咽炎 5 No Yes No Yes No 感冒 6 No No No Yes No 敏感症 7 No No Yes No No 咽炎 8 Yes No No Yes Yes 敏感症 9 No Yes No Yes Yes 感冒 10 yes Yes no Yes Yes 感冒 淋巴肿 发 烧 No No Yes Yes 咽炎 敏感症 感冒 数据挖掘方法 第三十一页，共六十二页。 患者代码 嗓子痛 发烧 淋巴肿 充血 头痛 诊断结果 1 Yes yes Yes Yes Yes 咽炎 2 No No No Yes Yes 敏感症 3 Yes Yes No Yes No 感冒 4 Yes No Yes No No 咽炎 5 No Yes No Yes No 感冒 6 No No No Yes No 敏感症 7 No No Yes No No 咽炎 8 Yes No No Yes Yes 敏感症 9 No Yes No Yes Yes 感冒 10 yes Yes no Yes Yes 感冒 淋巴肿 发 烧 No No Yes Yes 敏感症 敏感症 咽炎 No Yes 头 痛 淋巴肿 感冒 发 烧 淋巴肿 No Yes 咽炎 No Yes 数据挖掘方法 决策树的属性选取 属性选取标准： 最大化反映数据差异，使树的层次和节点数最小 第三十二页，共六十二页。 信用卡促销数据库 收入段 寿险促销 信用卡保险 性别 年龄 4-5万 No No M 45 3-4万 Yes No F 40 4-5万 No No M 42 3-4万 Yes Yes M 43 5-6万 Yes No F 38 2-3万 No No F 55 3-4万 Yes Yes M 35 2-3万 No No M 27 3-4万 No No F 43 3-4万 Yes No F 41 4-5万 Yes No M 43 2-3万 Yes No F 29 5-6万 Yes No F 39 4-5万 No No M 55 2-3万 Yes Yes F 19 ○选取收入段为根节点 ○选取寿险促销为输出属性 ○沿着每个分支有两个类，选取最频繁出现的类 收入段 2Yes2No 4Yes1No 3No 1Yes 2Yes 2—3万 3—4万 4—5万 5—6万 ○训练集分类的正确性为11／15＝73％ 数据挖掘方法 第三十三页，共六十二页。 ——决策树（Decision Tree）：例 信用卡促销数据库 ○选取信用卡保险为根节点 ○选取寿险促销为输出属性 ○沿着每个分支有两个类，选取最频繁出现的类 信用卡保险 6Yes6No 3Yes 0No No Yes ○训练集分类的正确性为9／15＝60％ 数据挖掘方法 收入段 寿险促销 信用卡保险 性别 年龄 4-5万 No No M 45 3-4万 Yes No F 40 4-5万 No No M 42 3-4万 Yes Yes M 43 5-6万 Yes No F 38 2-3万 No No F 55 3-4万 Yes Yes M 35 2-3万 No No M 27 3-4万 No No F 43 3-4万 Yes No F 41 4-5万 Yes No M 43 2-3万 Yes No F 29 5-6万 Yes No F 39 4-5万 No No M 55 2-3万 Yes Yes F 19 第三十四页，共六十二页。 ——决策树（Decision Tree）：例 信用卡促销数据库 ○选取数值型属性年龄为根节点 ○选取寿险促销为输出属性 ○依照年龄排序，对照输出属性进行数据分割，选择数据分割点 年 龄 9Yes3No 0Yes 3No ≤43 ＞43 ○以年龄≤43结合寿险促销＝Yes，训练集分类的正确性为12／15＝80％ 17 27 29 35 38 39 40 41 42 43 43 43 45 55 55 Y N Y Y Y Y Y Y N Y Y N N N N 数据挖掘方法 收入段 寿险促销 信用卡保险 性别 年龄 4-5万 No No M 45 3-4万 Yes No F 40 4-5万 No No M 42 3-4万 Yes Yes M 43 5-6万 Yes No F 38 2-3万 No No F 55 3-4万 Yes Yes M 35 2-3万 No N