【模式识别与人工智能复习题】第五章-决策树习题1.pptxVIP

;;;什么是决策树？什么是多变量决策树？他们的不同点是什么？

决策树：

决策树是一类常见的机器学习方法，主要用于解决分类与回归问题。

顾名思义，决策树是基于树结构进行决策的，这是一种人类面临决策问题是一种很自然的处理机制。

一般的，一棵决策树包含一个根结点、若干个内部结点和若干个叶节点。

;什么是决策树？什么是多变量决策树？他们的不同点是什么？

决策树：

叶结点对应于决策结果，其他每个结点则对应于一个属性测试；每个结点包含的样本集合根据属性测试的结果被划分到子结点中；根结点包含样本全集。

从根结点到每个叶结点的路径对应了一个判定测试序列。决策树学习的目的是为了产生一棵泛化能力强的树。

;什么是决策树？什么是多变量决策树？他们的不同点是什么？

多变量决策树：

若我们把每个属性视为坐标空间中的一个坐标轴，则个属性描述的样本就对应了维空间中的一个数据点；

对样本分类则意味着在这个坐标空间中寻找不同类样本之间的分类边界。

决策树所形成的分类边界有一个明显的特点—轴平行(axis—parallel)，即它的分类边界由若干个与坐标轴平行的分段组成。

;什么是决策树？什么是多变量决策树？他们的不同点是什么？

不同点：

多变量决策树能实现“斜划分”甚至更复杂划分的决策树。

以实现斜划分的多变量决策树为例，在此类决策树中，非叶结点不再是仅对某个属性,而是对属性的线性组合进行测试。

换言之