决策树算法及应用拓展.ppt41

决策树算法及应用拓展
概述(一)
概述(二)
预备知识一(Building Tree)
使用决策树进行分类
决策树算法
伪代码(Building Tree)
属性选择的统计度量
信息增益度度量(ID3/C4.5)
训练集(举例)
使用信息增益进行属性选择
Decision Tree (结果输出)
基尼指数  Gini Index (IBM IntelligentMiner)
预备知识二(Pruning Tree)
两种剪枝标准
Cost of Encoding Data Records
Cost of Encoding Tree
剪枝算法
计算最小子树代价的伪代码

..............................