您现在的位置: 精品资料网 >> 企业管理 >> 决策管理 >> 资料信息

决策树分类培训讲义(PPT 96页)

所属分类:
决策管理
文件大小:
2745 KB
下载地址:
相关资料:
决策树,分类培训,培训讲义
决策树分类培训讲义(PPT 96页)内容简介
决策树
使用决策树进行分类
如何从训练数据中学习决策树?
ID3算法
ID3决策树建立算法
信息熵(Entropy)
数据集的信息熵
例:计算对下列数据集分类所需的信息熵
使用熵衡量数据纯度
信息增益
确定第一次分裂的属性:按年龄划分
确定第一次分裂的属性:按收入划分
确定第一次分裂的属性:按学生划分
确定第一次分裂的属性:按信用划分
确定第一次分裂的属性
确定第二次分裂的属性
决策树的基本原理
C4.5算法对ID3的改进
十大数据挖掘算法
改进1:信息增益的问题
改进1:信息增益率
改进2:连续值属性与分裂点
改进3:缺失值的处理
改进3:C4.5中缺失值的处理-建树过程(学习过程)
改进3:C4.5中缺失值的处理-分类过程
改进4:学习过程中的过度拟合
改进4:欠拟合、合适拟合、过拟合
改进4:过度拟合
改进4:缺乏代表性样本所导致的过度拟合
改进4:决策树剪枝
改进4:预剪枝
改进4:后剪枝
从决策树导出产生式规则
CART算法
回归树(RegressionTree)
Leaves=BooleanRules(布尔规则)
Gini指标
处理离散值属性
回归树的生成
剪枝
最大树
恰当的树
用于回归
高伸缩性决策树算法
决策树应用
对数据的要求
..............................
决策树分类培训讲义(PPT 96页)

上一篇:从决策到执行之沙漠掘金(PPT 43页)

下一篇:尚无数据