相亲、交友与决策树.pptVIP

尼玛交友推荐系统的构造和优化 关于收入这个分裂属性的特征 多值属性 分裂子集小，所以分裂的期望熵较低 分裂属性的值本身引入了较大的混乱度 收入是连续型变量 将其当作离散数据分析无法形成正确的分类 如何解决这些问题 第三十页，共五十三页。 尼玛交友推荐系统的构造和优化 C4.5决策树算法的基本思路 采用信息增益率取代信息增益作为分裂属性选取的标准 对连续型的属性值进行离散化 Hey，Guys！可以尝试下C4.5。我用了三年时间来解决这些问题。你值得拥有 第三十一页，共五十三页。 尼玛交友推荐系统的构造和优化 信息增益率的定义 设样本集S按离散属性A的V个不同的取值划分为S1, S2, … SV，共V个子集 定义分裂指数 表示这次分裂行为引入的混乱程度 则信息增益率定义为 第三十二页，共五十三页。 尼玛交友推荐系统的构造和优化 尼玛使用C4.5重新评估各项分裂属性 GainA(S)=0.7640 SpliteA(S)=1.8806 GainRatioA=0.4063 GainB(S)=0.5439 SpliteB(S)=1.8772 GainRatioB=0.2897 GainC’(S)= 1.5612 SpliteC’ (S)=4.0 GainRatioC’=0.3903 GainD(S)= 0.3192 SpliteD(S)=1.8606