人工智能和机器学习--PPT11-决策树.pdfVIP

决策树 王秋月 中国人民大学信息学院 不同分类器的特点 K近邻： • 模型就是训练数据 • 拟合训练数据很快 Y • 只是存储数据 • 预测比较慢 • 需要计算大量的距离 X • 判定边界较灵活 不同分类器的特点 逻辑回归： y 1.0 ▪ 模型就是参数 t i l i b a 0.5 ▪ 拟合训练数据可能较慢 b o r P ▪ 必须找到最优参数 0.0 X ▪ 预测较快 = 1 ▪ 计算期望值 −( + + ε ) 1+ 0 1 ▪ 判定边界较简单，缺乏灵 活性 决策树介绍 Day Outlook Temperature Humidity Wind PlayTennis D1 Sunny Hot High Weak No D2 Sunny Hot High Strong No D3 Overcast Hot High Weak Yes D4 Rain Mild High Weak Yes D5 Rain Cool Normal Weak Yes D6 Rain Cool Normal Strong No D7 Overcast Cool Normal Strong Yes D8 Sunny Mild High Weak No D9 Sunny Cool Normal Weak Yes D10 Rain Mild Normal Weak Yes D11 Sunny