《機器學習項目案例開發(fā)》課件 9.1決策樹算法-基礎_第1頁
《機器學習項目案例開發(fā)》課件 9.1決策樹算法-基礎_第2頁
《機器學習項目案例開發(fā)》課件 9.1決策樹算法-基礎_第3頁
《機器學習項目案例開發(fā)》課件 9.1決策樹算法-基礎_第4頁
《機器學習項目案例開發(fā)》課件 9.1決策樹算法-基礎_第5頁
已閱讀5頁，還剩5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)，請進行舉報或認領

文檔簡介

人工智能技術(shù)與應用9.決策樹課程概況—基本情況PART01決策樹算法決策樹的概念樹的組成衡量標準決策樹的概念決策樹(DecisionTree)的概念：樹模型(

tree):

決策樹：從根節(jié)點開始一步步走到葉子節(jié)點（決策）所有的數(shù)據(jù)最終都會落到葉子節(jié)點，既可以做分類也可以做回歸。誰愛玩電腦游戲:

先按年齡分，再按照性別分

先找分類性強的特征

怎么選擇分類的特征樹的組成樹的組成：根節(jié)點：第一個選擇的節(jié)點非葉子節(jié)點與分支：中間過程葉子節(jié)點：最終的決策結(jié)果分類問題中決策樹的葉子節(jié)點是類別，其它節(jié)點是屬性。樹的組成決策樹的訓練與測試算法訓練階段：

從給定的訓練集構(gòu)造一棵樹。從根節(jié)點開設選擇特征，如何進行特征切分測試階段：

根據(jù)構(gòu)造的樹模型，從上到下，把數(shù)據(jù)輸入執(zhí)行一遍難點：一旦構(gòu)造好了決策樹，那么分類或者預測任務就很簡單了，只需要走一遍就可以了，那么難點就在于如何構(gòu)造出來一顆樹，這就沒那么容易了，需要考慮的問題還有很多。樹的組成如何切分節(jié)點(選擇節(jié)點)問題：

根節(jié)點的選擇該用那個特征，如何切分缺點：我們的目標應該是根節(jié)點就像一個老大似的能更好的切分數(shù)據(jù)（分類的效果更好），根節(jié)點下面的節(jié)點自然就是二當家了。復雜度與樣本呈線性關(guān)系：

每次更新質(zhì)心需要和每個樣本點進行計算目標：

通過一種衡量標準，來計算通過不同特征進行分支選擇后的分類情況，找出來最好的那個當成根節(jié)點，以此類推。衡量標準衡量標準-信息熵節(jié)點選擇的標準右圖有兩個分類結(jié)果，第一個結(jié)果明顯要好于第二結(jié)果，直觀的表述就是第一個分類很”純，藍色和黃色點直接分成了兩類，第二種分類很亂，藍色的點和黃色的點混雜在一起。信息熵表述(樣本集合)”亂”和”純”的程度,數(shù)據(jù)”亂”包含的數(shù)據(jù)信息要

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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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