【免费】第九次报告1资源-CSDN文库

需积分: 0 177 浏览量 2022-08-08 19:17:40 上传评论收藏 175KB DOCX 举报

资源详情

资源评论

资源推荐

本周主要任务：学习机器学习之决策树其一

决策树：

决策树(decision tree)是一种基本的分类与回归方法，也是一种逼近离散值目标函数的方法，

在这个方法中学习得到的函数表示为一棵决策树。而且学习得到的决策树也能在被表示为多

个 if-then 的规则。

下面是一棵决策树：

决策树的表示方法：

决策树把实例从根结点排列（sort）到某个叶子结点来分类实例，叶子结点对应的就是该实

例所属的分类。树上的每一个结点说明了对该实例某个属性（attribute）的测试，并且该结

点的每一个后继分支对应于该属性的一个可能值。分类实例的方法就是从这棵树的根结点开

始，测试这个结点的属性，然后按照给定该实例的该属性的值对应的树枝向下移动。然后以

新结点为根重复这个过程。

通常情况下，决策树表示的是实例的属性值约束的合取（逻辑与）的析取式（逻辑或）。从

树根到叶子的每一条路径都对应一组属性测试的合取，树本身对应这些合取的析取。

决策树可以转化为 if-then 规则，将决策树转换成 if-then 规则的过程是这样的：由决策树的

根结点(root node)到叶结点(leaf node)的每一条路径构建一条规则；路径上内部结点的特征

对应着规则的条件，而叶结点的类对应着规则的结论。决策树的路径或其对应的 if-then 规

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

嘻嘻哒的小兔子

粉丝: 27
资源: 321

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