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

实验二.天气决策树输入数据2生成的决策树3算法选择一个属性，把数据分割为K份。选择的准则：InformationGain4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.

940bits5选取属性“天况”的InformationGain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.

971bits“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３个正例２个反例：

M(天况为雨)＝－3/5*

log2

(3/5)－2/5*

log2

(2/5)

＝0.

971bits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.

971

＋4/14*0

＋5/14*

0.

971

＝0.

694bits选择天况做为判别条件的InformationGainGain(C,“天况”)=M(C)－B(C，“天况”)

＝0.

940

－0.

694

＝0.

247bits6各属性InformationGain的比较Gain(C,“天况”)＝M(C)－B(C，“天况”)

＝0.

940

－0.

694

＝0.

247bitsGain(C,“温度”)＝M(C)－B(C，"温度")

＝0.

940

－0.

911＝0.

029bitsGain(C,“湿度”)＝M(C)－B(C，"湿度")

＝0.

940

－0.

788＝0.152bitsGain(C,“风况”)＝M(C)－B(C，"风况")

＝0.

940

－0.

892＝0.

048bits

7大家应该也有点累了，稍作休息大家有疑问的，可以询问和交流8生成的决策树9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”)

＝０.５７１Gain(C晴,“湿度”)

＝M(天况为晴)－B(天况为晴，“湿度”)

＝０.９７１Gain(C晴,“风况”)

＝M(天况为晴)－B(天况为

人人文库> 全部分类> 办公材料 > 办公文档

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