当前位置:首页 > 开发 > 系统架构 > 架构 > 正文

递归构造决策树

发表于: 2014-05-04   作者:blackproof   来源:转载   浏览次数:
摘要: 递归构造决策树: 准备函数:计算熵,用于选择最好的划分特征 递归结束条件为1.决策树节点中只有一种结果,或2.决策树节点的所有属性都已经递归过   递归流程: 1.将训练数据作为决策树的根节点 2.对于节点数据集,计算所有未用特征熵 3.选择最大的熵的特征作为划分数据的关键特征 4.形成分支,每个特征值作为决策树的新节点(新的数据集合,标记已使用和未使用的特征值) 5.

递归构造决策树:

准备函数:计算熵,用于选择最好的划分特征

递归结束条件为1.决策树节点中只有一种结果,或2.决策树节点的所有属性都已经递归过

 

递归流程:

1.将训练数据作为决策树的根节点

2.对于节点数据集,计算所有未用特征熵

3.选择最大的熵的特征作为划分数据的关键特征

4.形成分支,每个特征值作为决策树的新节点(新的数据集合,标记已使用和未使用的特征值)

5.新节点没有未使用特征,或所有数据都属于一个结果,则结束递归;反之继续到第二步

   

 

递归构造决策树

  • 0

    开心

    开心

  • 0

    板砖

    板砖

  • 0

    感动

    感动

  • 0

    有用

    有用

  • 0

    疑问

    疑问

  • 0

    难过

    难过

  • 0

    无聊

    无聊

  • 0

    震惊

    震惊

编辑推荐
决策树 决策树是一个预测模型,它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某
决策树 决策树是一个预测模型,它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某
参考:《机器学习》Tom版 以及http://blog.csdn.net/v_july_v/article/details/7577684 一、简介 决
参考:《机器学习》Tom版 以及http://blog.csdn.net/v_july_v/article/details/7577684 一、简介 决
参考:《机器学习》Tom版 以及http://blog.csdn.net/v_july_v/article/details/7577684 一、简介 决
3.1、摘要 在前面两篇文章中,分别介绍和讨论了朴素贝叶斯分类与贝叶斯网络两种分类算法。这两种算
3.1、摘要 在前面两篇文章中,分别介绍和讨论了朴素贝叶斯分类与贝叶斯网络两种分类算法。这两种算
3.1、摘要 在前面两篇文章中,分别介绍和讨论了朴素贝叶斯分类与贝叶斯网络两种分类算法。这两种算
决策树分类 1.Hunt算法:许多决策树算法的基础 包括ID3、C4.5和CART 通过将训练记录相继划分成较纯
决策树 决策树基本 决策树类似流程图,内部节点表示在一个属性的上的测试,比如age属性是否大于30等
版权所有 IT知识库 CopyRight © 2009-2015 IT知识库 IT610.com , All Rights Reserved. 京ICP备09083238号