人工智能-决策树.pptVIP

IT在线教育领导品牌 EDUCATION TO CREATE A BRIGHT FUTURE 决策树(Decision Tree)是在已知各种情况发生概率的基础上，通过构建决策树来 进行分析的一种方式，是一种直观应用概率分析的一种图解法；决策树是一种预 测模型，代表的是对象属性与对象值之间的映射关系；决策树是一种树形结构， 其中每个内部节点表示一个属性的测试，每个分支表示一个测试输出，每个叶节 点代表一种类别；决策树是一种非常常用的有监督的分类算法。 决策树的决策过程就是从根节点开始，测试待分类项中对应的特征属性，并按照 其值选择输出分支，直到叶子节点，将叶子节点的存放的类别作为决策结果。 决策树分为两大类：分类树和回归树，前者用于分类标签值，后者用于预测连续 值，常用算法有ID3、C4.5、CART等 * 什么是决策树 IT在线教育领导品牌 EDUCATION TO CREATE A BRIGHT FUTURE 决策树算法的重点就是决策树的构造；决策树的构造就是进行属性选择度量，确定各个特征 属性之间的拓扑结构(树结构)；构建决策树的关键步骤就是分裂属性，分裂属性是指在某个节 点按照某一类特征属性的不同划分构建不同的分支，其目标就是让各个分裂子集尽可能的纯 (让一个分裂子类中待分类的项尽可能的属于同一个类别)。 构建步骤如下: 将所有的特征看成一个一个的节点； 遍历每个特征的每一