实验二.天气决策树_第1页
实验二.天气决策树_第2页
实验二.天气决策树_第3页
实验二.天气决策树_第4页
实验二.天气决策树_第5页
已阅读5页，还剩7页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、实验二：天气决策树的构造,输入数据,生成的决策树,算法,选择一个属性，把数据分割为k份。 选择的准则：information gain,原始数据的熵,本题中物体集c有十四个例子，9个正例，5个反例。于是： m(c)9/14 *log2(9/14) 5/14 *log2(5/14) 0.940 bits,选取属性“天况”的information gain,计算各分支的熵 “晴”的分支含2个正例3个反例，所需期望信息量为： m(天况为晴)2/5 *log2(2/5)3/5 *log2(3/5) 0.971 bits “多云”的分支，含4个正例0个反例： m(天况为多云)0 “雨”的分支，含个正例个

2、反例： m(天况为雨)3/5 *log2(3/5)2/5 *log2(2/5) 0.971 bits 则以“天况”作划分后，对应决策树的信息量为： b(c，“天况”)5/14 *0.9714/14 * 05/14 *0.971 0.694 bits 选择天况做为判别条件的information gain gain(c, “天况”) = m(c)b(c，“天况”) 0.9400.694 0.247 bits,各属性information gain的比较,gain(c, “天况”) m(c)b(c，“天况”)0.9400.6940.247 bits gain(c, “温度”) m(c)b(c，温度

3、)0.9400.911 0.029 bits gain(c, “湿度”) m(c)b(c，湿度)0.9400.788 0.152 bits gain(c, “风况”) m(c)b(c，风况)0.9400.8920.048 bits,生成的决策树,继续划分“晴”的分支,gain(c晴, “温度”) m(天况为晴)b(天况为晴，“温度”) . gain(c晴, “湿度”) m(天况为晴)b(天况为晴，“湿度”) . gain(c晴, “风况”) m(天况为晴)b(天况为晴，风况) .,继续划分“多云 ”的分支,全部为正例，无须划分。,继续划分“雨 ”的分支,gain(c雨, “温度”) m(天况为雨)b(天况为雨，“温度”) . gain(c雨, “湿度”) m(天况为雨)b(天况为雨，“

人人文库> 全部分类> 生活休闲 > 科普知识

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论