《人工智能基础及应用(Python 微课版)》课件 第5.5 决策树_第1页
《人工智能基础及应用(Python 微课版)》课件 第5.5 决策树_第2页
《人工智能基础及应用(Python 微课版)》课件 第5.5 决策树_第3页
《人工智能基础及应用(Python 微课版)》课件 第5.5 决策树_第4页
《人工智能基础及应用(Python 微课版)》课件 第5.5 决策树_第5页
已阅读5页,还剩1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

决策树

决策树是一种类似于流程图的树结构,其规则就是IF...THEN...的思想,可以用于数值型因变量的预测和离散型因变量的分类。

该算法简单直观、通俗易懂,不需要研究者掌握任何领域知识或复杂的数学推理,而且算法的结果输出具有很强的解释性。职业年龄收入学历是否贷款自由职业255000高中是工人355500高中否工人422500初中是白领453300小学是白领2510000本科是白领325000硕士否白领2513000博士是自由职业214000本科否自由职业223200小学否工人333000高中否工人454200小学否ID3算法(IterativeDichotomiser3,意为迭代二叉树3代)是一种贪心算法,以信息论为基础,以信息熵和信息增益度为衡量标准,对数据进行分类。ID3算法具有构建速度快,实现简单等优点。ID3算法也具有如下缺点:依赖于特征数目较多的特征ID3算法不是递增算法ID3算法对于特征属性之间的关系不会考虑抗噪性差只适合小规模数据集C4.5算法集成了ID3算法的优点,并在以下几个方面进行了改进:克服了信息增益选择属性偏向取值多的缺陷。在树构造过程进行剪枝操作对连续属性进行离散化处理能够对不完整数据进行处理C4.5需对数据集进行多次顺序扫描和排序,导致算法的低效。算法支持模型树结构特征选择连续值处理缺失值处理剪枝特征属性多次使用ID3分类多叉树信息增益不支持不支持不支持不支持C4.5分类多叉树信息增益率支持支持支持

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。

评论

0/150

提交评论