(完整版)ID3算法課件_第1頁
(完整版)ID3算法課件_第2頁
(完整版)ID3算法課件_第3頁
(完整版)ID3算法課件_第4頁
(完整版)ID3算法課件_第5頁
已閱讀5頁,還剩22頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、1決策樹算法2InputID3 AlgorithmData Mining AlgorithmOutputData setDT3決策樹是用樣本的屬性作為結(jié)點,用屬性的取值作為分支的樹結(jié)構(gòu)。 決策樹的根結(jié)點是所有樣本中信息量最大的屬性。樹的中間結(jié)點是該結(jié)點為根的子樹所包含的樣本子集中信息量最大的屬性。決策樹的葉結(jié)點是樣本的類別值。決策樹概念4決策樹是一種知識表示形式,它是對所有樣本數(shù)據(jù)的高度概括。決策樹能準(zhǔn)確地識別所有樣本的類別,也能有效地識別新樣本的類別。 5ID3方法基本思想首先找出最有判別力的屬性,把樣例分成多個子集,每個子集又選擇最有判別力的屬性進(jìn)行劃分,一直進(jìn)行到所有子集僅包含同一類型的

2、數(shù)據(jù)為止。最后得到一棵決策樹。J.R.Quinlan的工作主要是引進(jìn)了信息論中的信息增益,他將其稱為信息增益(information gain),作為屬性判別能力的度量,設(shè)計了構(gòu)造決策樹的遞歸算法。下面通過一個例子,說明ID3算法的基本思想。6 對于氣候分類問題,屬性為: 天氣(A1) 取值為: 晴,多云,雨 氣溫(A2) 取值為: 冷 ,適中,熱 濕度(A3) 取值為: 高 ,正常 風(fēng) (A4) 取值為: 有風(fēng), 無風(fēng) 一、ID3基本思想7每個樣例屬于不同的類別,此例僅有兩個類別,分別為P,N。P類和N類的樣例分別稱為正例和反例。將一些已知的正例和反例放在一起便得到訓(xùn)練集。表6.4.1給出一

3、個訓(xùn)練集。由ID3算法得出一棵正確分類訓(xùn)練集中每個樣例的決策樹,見下圖。8天 氣濕 度風(fēng)晴雨多云高正常有風(fēng)無風(fēng)PNNPPBACKGO9決策樹葉子為類別名,即P 或者N。其它結(jié)點由樣例的屬性組成,每個屬性的不同取值對應(yīng)一分枝。若要對一樣例分類,從樹根開始進(jìn)行測試,按屬性的取值分枝向下進(jìn)入下層結(jié)點,對該結(jié)點進(jìn)行測試,過程一直進(jìn)行到葉結(jié)點,樣例被判為屬于該葉結(jié)點所標(biāo)記的類別。10現(xiàn)用圖來判一個具體例子, 某天早晨氣候描述為: 天氣:多云 氣溫:冷 濕度:正常 風(fēng): 無風(fēng) 它屬于哪類氣候呢?從圖中可判別該樣例的類別為P類。11ID3就是要從表的訓(xùn)練集構(gòu)造圖這樣的決策樹。實際上,能正確分類訓(xùn)練集的決策樹

4、不止一棵。Quinlan的ID3算法能得出結(jié)點最少的決策樹。12二、ID3算法 對當(dāng)前例子集合,計算各屬性的信息增益; 選擇信息增益最大的屬性Ak; 把在Ak處取值相同的例子歸于同一子集,Ak取幾個值就得幾個子集; 對既含正例又含反例的子集,遞歸調(diào)用建樹算法; 若子集僅含正例或反例,對應(yīng)分枝標(biāo)上P或N,返回調(diào)用處。13實例計算 對于氣候分類問題進(jìn)行具體計算有: 信息熵的計算 信息熵: 其中S是樣例的集合, P(ui)是類別i出現(xiàn)概率:14|S|表示例子集S的總數(shù),|ui|表示類別ui的例子數(shù)。對9個正例和5個反例有:P(u1)=9/14P(u2)=5/14H(S)=(9/14)log(14/9

5、)+(5/14)log(14/5)=0.94bit15信息增益的計算公式:其中A是屬性,Value(A)是屬性A取值的集合,v是A的某一屬性值,Sv是S中A的值為v的樣例集合,| Sv |為Sv中所含樣例數(shù)。 信息增益的計算16屬性Ai的信息增益以屬性A1為例,根據(jù)信息增益的計算公式,屬性A1的信息增益為S=9+,5- /原樣例集中共有14個樣例,9個正例,5個反例S晴=2+,3-/屬性A1取值晴的樣例共5個,2正,3反S多云=4+,0- /屬性A1取值多云的樣例共4個,4正,0反S雨=3+,2- /屬性A1取值晴的樣例共5個,3正,2反故1718計算結(jié)果屬性A1的信息增益最大,所以被選為根結(jié)

6、點19 ID3算法將選擇信息增益最大的屬性天氣作為樹根,在14個例子中對天氣的3個取值進(jìn)行分枝,3 個分枝對應(yīng)3 個子集,分別是: S1=1,2,8,9,11; S2=3,7,12,13; S3=4,5,6,10,14 其中S2中的例子全屬于P類,因此對應(yīng)分枝標(biāo)記為P,其余兩個子集既含有正例又含有反例,將遞歸調(diào)用建樹算法。 建決策樹的根和分枝20天氣S=D1,D2,D3,D14晴多云雨S1=D1,D2,D8,D9,D11S2=D3,D7,D12, D13S3=D4,D5,D6,D10,D14全為正例21 分別對S1和S3子集遞歸調(diào)用ID3算法,在每個子集中對各屬性求信息增益. (1)對S1,濕

7、度屬性信息增益最大,以它為該分枝的根結(jié)點,再向下分枝。濕度取高的例子全為N類,該分枝標(biāo)記N。取值正常的例子全為P類,該分枝標(biāo)記P。 (2)對S3,風(fēng)屬性信息增益最大,則以它為該分枝根結(jié)點。再向下分枝,風(fēng)取有風(fēng)時全為N類,該分枝標(biāo)記N。取無風(fēng)時全為P類,該分枝標(biāo)記P。 這樣就得到如圖所示的決策樹 遞歸建樹22對ID3的討論 優(yōu)點 ID3在選擇重要屬性時利用了信息增益的概念,算法的基礎(chǔ)理論清晰,使得算法較簡單,是一個很有實用價值的示例學(xué)習(xí)算法。 該算法的計算時間是例子個數(shù)、屬性個數(shù)、結(jié)點個數(shù)之積的線性函數(shù)。對有4761個關(guān)于苯的質(zhì)譜例子作了試驗。其中正例2361個,反例2400個,每個例子由500

8、個屬性描述,每個屬性取值數(shù)目為6,得到一棵1514個結(jié)點的決策樹。對正、反例各100個測試?yán)髁藴y試,正例判對82個,反例判對80個,總預(yù)測正確率81%,效果是令人滿意的。23 缺點 (1)信息增益的計算依賴于屬性取值的數(shù)目較多的屬性,這樣不太合理。一種簡單的辦法是對屬性進(jìn)行分解,如上節(jié)例中,屬性取值數(shù)目不一樣,可以把它們統(tǒng)統(tǒng)化為二值屬性,如天氣取值晴,多云,雨,可以分解為三個屬性;天氣晴,天氣多云,天氣雨。取值都為“是”或“否”,對氣溫也可做類似的工作。這樣就不存在偏向問題了。24 (2)用信息增益作為屬性選擇量存在一個假設(shè),即訓(xùn)練例子集中的正,反例的比例應(yīng)與實際問題領(lǐng)域里正、反例比例相同。

9、一般情況不能保證相同,這樣計算訓(xùn)練集的信息增益就有偏差。 (3)ID3在建樹時,每個節(jié)點僅含一個屬性,是一種單變元的算法,屬性間的相關(guān)性強調(diào)不夠。雖然它將多個屬性用一棵樹連在一起,但聯(lián)系還是松散的。25 (4)ID3對噪聲較為敏感。關(guān)于什么是噪聲,Quinlan的定義是訓(xùn)練例子中的錯誤就是噪聲。它包含兩方面,一是屬性值取錯,二是類別給錯。 (5)當(dāng)訓(xùn)練集增加時,ID3的決策樹會隨之變化。在建樹過程中,各屬性的信息增益會隨例子的增加而改變,從而使決策樹也變化。這對漸近學(xué)習(xí)(即訓(xùn)練例子不斷增加)是不方便的。 26 總的來說,ID3由于其理論的清晰,方法簡單,學(xué)習(xí)能力較強,適于處理大規(guī)模的學(xué)習(xí)問題 ,在世界上廣為流傳,得到極大的關(guān)注,是數(shù)據(jù)挖掘和機器學(xué)習(xí)領(lǐng)域中的一個極好范例,也不失為一種知識獲取的有用工具。NO.屬性類別天氣氣溫濕度風(fēng)D1晴熱高無

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論