【免费】第四章决策树1资源-CSDN文库

需积分: 0 178 浏览量 2022-08-04 16:14:06 上传评论收藏 777KB PDF 举报

资源详情

资源评论

资源推荐

4.1 基本流程

4.1.1 决策树的基本概念

决策树 (decision tree) 是一类常见的机器学习方法. 在二分类中, 学得一个模型用以对新示例进行分类, 整个把样本分

类的任务, 可以堪称对"当前样本属于正类吗?"这个问题的"决策"或"判定"过程. 如在对"这是好瓜吗?"这个问题决策时,

通常会进行一系列的判断或"子决策".

决策过程的最终结论对应了我们所希望的判定结果, 如"是"或"不是"好瓜; 决策过程中提出的每个判定问题都是对某个

属性的"测试"; 每个测试的结果或是导出最终结论, 或是导出进一步的判定问题(其考虑的范围是上次决策结果的限定范

围之内).

4.1.2 根结点, 叶结点和内部结点

1 三类结点的概念

1. 根结点: 第一个判定的集合, 根结点包含样本全集

2. 叶结点: 叶结点对应于决策结果

3. 内部结点: 中间的结点, 需要进一步进行属性测试的结点

总结:

1. 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结点;

2. 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(包括根结点和内部结点)

3. 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

4. 根结点包含样本全集

5. 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，即处理未见示例能力强的决策树，其基本流程遵循简单且直观的"分

而治之" (divide-and-conquer)策略

4.1.3 决策树的基本算法流程

1 决策树的基本算法

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6页未读，立即下载

评论0

内容反馈

玛卡库克

粉丝: 27
资源: 309

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