决策树 决戴树基本概念 决簟树 决策树是一种典型的分类方法,首先对数据进行处理,利用 归纳算法生成可读的规则和决策树,然后使用决策对新数据进行 分析。本质上决策树是通过一糸列规则对数据进行分类的过程
决策树 决策树基本概念 决策树 决策树是一种典型的分类方法，首先对数据进行处理，利用 归纳算法生成可读的规则和决策树，然后使用决策对新数据进行 分析。本质上决策树是通过一系列规则对数据进行分类的过程
决策树 决戴树基本概念 决簟树的优点 推理过程容易理解,决策推理过程可以表示成 If The形式; 2、推理过程完全依赖于属性变量的取值特点; 3、可自动忽略目标变量没有贡献的属性变量,也为判断属性 变量的重要性,减少变量的数目提供参考
决策树 决策树基本概念 决策树的优点 1、推理过程容易理解，决策推理过程可以表示成If Then形式； 2、推理过程完全依赖于属性变量的取值特点； 3、可自动忽略目标变量没有贡献的属性变量，也为判断属性 变量的重要性，减少变量的数目提供参考
决策树 决策树基本概念 关于归纳学习(1) 决策树技术发现数据模式和规则的核心是归纳算法。 归纳是从特殊到一般的过程。归纳推理从若干个事实中表 征出的特征、特性和属性中,通过比较、总结、概括而得出 个规律性的结论。 归纳推理试图从对象的一部分或整体的特定的观察中获得 个完备且正确的描述。即从特殊事实到普遍性规律的结论。 归纳对于认识的发畏和完善具有重要的意义。人类知识的增长 主要来源于归纳学习
决策树 决策树基本概念 关于归纳学习(1) 决策树技术发现数据模式和规则的核心是归纳算法。 归纳是从特殊到一般的过程。归纳推理从若干个事实中表 征出的特征、特性和属性中，通过比较、总结、概括而得出一 个规律性的结论。 归纳推理试图从对象的一部分或整体的特定的观察中获得 一个完备且正确的描述。即从特殊事实到普遍性规律的结论。 归纳对于认识的发展和完善具有重要的意义。人类知识的增长 主要来源于归纳学习
决策树 决策树基本概念 关于归纳学习(2) 归纳学习的过程就是寻找一般化描述的过程。这种一般性 描述能够解释给定的输入数据,并可以用来预测新的教据。 锐角三角形内角和等于180度; 钝角三角形内角和等于180度; 角形内角和 直角三角形内角和等于180度; 等于180度 已知三角形ABC,A角等于76度 B角等于89度,则其C角等于15度
决策树 决策树基本概念 关于归纳学习(2) 归纳学习的过程就是寻找一般化描述的过程。这种一般性 描述能够解释给定的输入数据，并可以用来预测新的数据。 锐角三角形内角和等于180度； 钝角三角形内角和等于180度； 三角形内角和 直角三角形内角和等于180度； 等于180度 已知三角形ABC，A角等于76度， B角等于89度，则其C角等于15度
决策树 决策树基本概念 关于归纳学习(3) 归纳学习由于依赖于检验数据,因此又称为检验学习 归纳学习存在一个基本的假设 任一假设如果能够在足够大的训练样本集中很好的逼 近目标函数,则它也能在未见样本中很好地逼近目标函教。 该假定是归纳学习的有效性的前提条件
归纳学习由于依赖于检验数据，因此又称为检验学习。 归纳学习存在一个基本的假设： 任一假设如果能够在足够大的训练样本集中很好的逼 近目标函数，则它也能在未见样本中很好地逼近目标函数。 该假定是归纳学习的有效性的前提条件。 决策树 决策树基本概念 关于归纳学习(3)