数据挖掘分类算法比较.docx
版权申诉
106 浏览量
2023-02-10
21:15:56
上传
评论
收藏 15KB DOCX 举报
数据挖掘分类算法比较
数据挖掘分类算法比较
分类是数据挖掘、机器学习和模式识别中一个重要的研究领域。通过对当前数据挖掘中具
有代表性的优秀分类算法进行分析和比较,总结出了各种算法的特性,为使用者选择算法或研究
者改进算法提供了依据.
一、决策树(Decision Trees)
决策树的优点：
1、决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义。
2、对于决策树，数据的准备往往是简单或者是不必要的.其他的技术往往要求先把数据一般
化，比如去掉多余的或者空白的属性。
3、能够同时处理数据型和常规型属性。其他的技术往往要求数据属性的单一。
4、决策树是一个白盒模型。如果给定一个观察的模型，那么根据所产生的决策树很容易推
出相应的逻辑表达式。
5、易于通过静态测试来对模型进行评测 .表示有可能测量该模型的可信度。
6、在相对短的时间内能够对大型数据源做出可行且效果良好的结果。
7、可以对有许多属性的数据集构造决策树。
8、决策树可很好地扩展到大型数据库中，同时它的大小独立于数据库的大小。
决策树的缺点：
1、对于那些各类别样本数量不一致的数据,在决策树当中,信息增益的结果偏向于那些具有
更多数值的特征。
资源评论
Cheng-Dashi
- 粉丝: 108
- 资源: 1万+
最新资源
- Picasso_v3.1 2.ipa
- chromedriver-mac-arm64.zip
- 蓝zapro.apk
- chromedriver-linux64.zip
- UCAS研一深度学习实验-MNIST手写数字识别python源码+详细注释(高分项目)
- 基于Python和PyTorch框架完成的一个手写数字识别实验源码(带MINIST手写数字数据集)+详细注释(高分项目)
- 基于Matlab在MNIST数据集上利用CNN完成手写体数字识别任务，并实现单层CNN反向传播算法+源代码+文档说明(高分项目)
- NVIDIA驱动、CUDA和Pytorch及其依赖
- 基于SVM多特征融合的微表情识别python源码+项目说明+详细注释(高分课程设计)
- html动态爱心代码一（附源码）
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
