id3算法实验报告范文.pdf
版权申诉
132 浏览量
2023-03-09
19:01:14
上传
评论
收藏 338KB PDF 举报
id3 算法实验报告范文
一、实验原理
决策树通过把实例从根节点排列到某个叶子节点来分类实例，叶子节
点即为实例所属的分类。树上的每一个节点说明了对实例的某个属性的测
试，并且该节点的每一个后继分支对应于该属性的一个可能
值，例如下图。
构造好的决策树的关键在于如何选择好的逻辑判断或属性。对于同样
一组例子，可以有很多决策树能符合这组例子。人们研究出，一般下或具
有较大概率地说，树越小则树的预测能力越强。要构造尽可能小的决策树，
关键在于选择恰当的逻辑判断或属性。由于构造最小的树是 NP-难问题，
因此只能采取用启发式策略选择好的逻辑判断或属性。用信息增益度量期
望熵最低，来选择分类属性。公式为
ID3 算法
创建树的 Root 结点
如果 E 某 ample 都为正，那么返回 label=+中的单结点 Root 如果 E
某 ample 都为反，那么返回 lable=-单结点树 Root
如果 Attribute 为空，那么返回单节点树 Root，lable=E 某 ample 中
最普遍的目标属性值
否则开始
A<-Attribute 中分类能力最好的属性 Root 的决策属性<-A 对于每个
可能值在 Root 下加一个新的分支对应测试 A=vi 令 E 某 ample-vi 为 E 某
剩余10页未读，继续阅读
资源评论
