数据挖掘决策树算法和.ppt

数据挖掘决策树算法和;学习数据挖掘的工具-weka;天气数据;我们希望从上面的实例中找出者若干条规则，使得能够对这些实例的类做出判断（理想情况下）（举例）

ifoutlook=sunnyand=highthenplay=no

ifhumidity=normalthenplay=yes

第二条规则错分了一个实例样本;

决策节点：

1.最上面的节点称为根节点，是整个决策树的开始。

2.每个节点子节点的个数与决策树在用的算法有关。（二叉树、多叉树）

分支：判断过程，要么是新的决策节点，要么是叶子

树叶:树的结尾，每个叶子代表一个类别;步骤：

1.决策树的生成：由训练样本数据集（根据历史数据生成、有一定综合程度的用于数据分析处理的数据集）生成

2.决策树的剪枝：采用新的样本数据集（测试数据集或者训练数据修剪集）检验决策树生成过程中产生的初步规则，将影响预测准确性的分支剪除。;ID3决策树算法描述;选择属性作为根;信息值（熵）、信息增益的概念;outlook属性的树桩;temperature、humidity、wind属性的树桩;将这些属性的信息增益的值进行比较，信息增益最大的属性节点将作为决策树的根节点。所以我们选择outlook属性作为根节点，它是唯一一个获得了全纯子节点，这就为超越其他所有属性赢得了相当大的优势。而湿度属性是第二个最佳选择，因为它产生了一个几乎