原创力文档- 1、本文档共47页，可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、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。
- 7、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。
- 8、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
决策树
汇报人：盛亚轩2022年10月18日
目录
CONTENTS
01准备知识02特征处理
•决策树模型•信息增益（ID3)
•条件概率分布•信息增益比（C4.5）
•决策树构建•连续值处理
•缺失值处理
03剪枝04CART
•预剪枝•CART算法
•后剪枝•CATR剪枝
第一部分准备知识
1.1决策树模型
决策树:分类决策树模型是一种描述对实例进行分类的树形结构
准备知识特征处理剪枝CART
1.1决策树模型
在分类问题中，表示基于特征进行分类的过程
•决策树是通过一系列规则对数据进行分类的
过程。
•可以看做是if-then规则的集合。
•互斥完备：即每一个样本均被且只能被一条
路径所覆盖
准备知识特征处理剪枝CART
1.2条件概率分布
•决策树：给定特征条件下类的条件概率P(Y|X)；
•条件概率分布：特征空间的一个划分；
•划分：单元或区域互不相交。
•一条路径对应于划分的一个单元
•当某单元c的条件概率满足P(Y=+1|X=c)0.5时，
则认为该单元属于正类
准备知识特征处理剪枝CART
1.3决策树构建
步骤：
•构建根节点；
•选择最优特征，以此分割训练数据集；
•若子集被正确分类，构建叶结点，否则，继续选择
新的最优特征；
•重复以上两步，直到所有训练数据子集被正确分类
准备知识特征处理剪枝CART
1.3决策树学习
•本质：从训练数据集中归纳出一组分类规•策略：最小化损失函数；
则；
•特征选择：递归选择最优特征；
•假设空间：由无穷多个条件概率模型组成；
•生成：对应特征空间的划分，直到所有训
•一课好的决策树：与训练数据矛盾较小，练子集被基本正确分类。
同时具有很好地泛化能力。
•剪枝：避免过拟合，具有更好的泛化能力。
准备知识特征处理剪枝CART
第二部分特征处理
2.1信息增益
特征选择在于选取对训练数据具有分类能力的特征。
准备知识特征处理剪枝CART
2.1信息增益
•熵表示随机变量的不确定性
==,=,,⋯,
文档评论（0）