数据挖掘(6)：决策树分类算法.pdf资源-CSDN文库

版权申诉

198 浏览量 2022-11-27 21:51:28 上传评论收藏 866KB PDF 举报

资源推荐

资源详情

资源评论

数据挖掘(6)：决策树分类算法

数据挖掘（6）：决策树分类算法

2015/08/29 · IT 技术 · 数据挖掘

分享到：

5

Gopher China 2015 上海大会

•

R 语言基础

•

去哪儿前端沙龙分享第三期

•

Qnext 前端交互沙龙

原文出处： fengfenggirl(@也爱数据挖掘)

•

从这篇开始,我将介绍分类问题，主要介绍决策树算法、朴素贝叶斯、支持向量机、BP 神经网络、懒惰

学习算法、随机森林与自适应增强算法、分类模型选择和结果评价。总共 7 篇，欢迎关注和交流。

这篇先介绍分类问题的一些基本知识，然后主要讲述决策树算法的原理、实现，最后利用决策树算法做

一个泰坦尼克号船员生存预测应用。

一、分类基本介绍

物以类聚，人以群分，分类问题只古以来就出现我们的生活中.分类是数据挖掘中一个重要的分支,在各

方面都有着广泛的应用,如医学疾病判别、垃圾邮件过滤、垃圾短信拦截、客户分析等等。分类问题可

以分为两类：

•

•

归类：归类是指对离散数据的分类，比如对根据一个人的笔迹判别这个是男还是女，这里的类别

只有两个，类别是离散的集合空间{男，女}的。

预测：预测是指对连续数据的分类，比如预测明天 8 点天气的湿度情况，天气的湿度在随时变化,

8 点时的天气是一个具体值，它不属于某个有限集合空间.预测也叫回归分析,在金融领域有着广泛

应用.

虽然对离散数据和连续数据的处理方式有所不同，但其实他们之间相互转化，比如我们可以根据比较的

某个特征值判断，如果值大于 0.5 就认定为男性，小于等于 0。5 就认为是女性，这样就转化为连续处

理方式；将天气湿度值分段处理也就转化为离散数据。

数据分类分两个步骤：

1.

2.

构造模型，利用训练数据集训练分类器；

利用建好的分类器模型对测试数据进行分类。

好的分类器具有很好的泛化能力，即它不仅在训练数据集上能达到很高的正确率,而且能在未见过得测

试数据集也能达到较高的正确率。如果一个分类器只是在训练数据上表现优秀,但在测试数据上表现稀

烂,这个分类器就已经过拟合了，它只是把训练数据记下来了,并没有抓到整个数据空间的特征。

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余5页未读，立即下载

内容反馈

版权申诉

不吃鸳鸯锅

粉丝: 8253
资源: 2万+

最新资源

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

feedback-tip