文档介绍：数据挖掘方法:决策树DecisionTree组2成员:黄婉婧王佩09物流管理组2Contents决策树应用前景决策树典型算法案例决策树典型算法决策树的特点与意义决策树定义介绍数据挖掘方法:决策树09物流管理组2决策树定义介绍什么是决策树?决策树(Decisiontree)由一个决策图和可能的结果(包括资源成本和风险)组成,用来创建到达目标的规划。决策树建立并用来辅助决策,是一种特殊的树结构。--------维基百科决策树一般都是自上而下的来生成的。每个决策或事件(即自然状态)都可能引出两个或多个事件,导致不同的结果,把这种决策分支画成图形很像一棵树的枝干,故称决策树。----------百度百科数据挖掘方法:决策树09物流管理组2决策树的定义介绍原理:利用几个变量判断所属类别决策节点:,是整个决策树的开始。。(二叉树、多叉树)分支:判断过程,要么是新的决策节点,要么是叶子树叶:树的结尾,每个叶子代表一个类别概率分支概率分支数据挖掘方法:决策树根节点决策节点树叶树叶树叶决策节点状态节点状态节点09物流管理组2决策树的特点归纳用于决策的类似于流程图的树结构每个节点表示在一个属性上的测试每个分枝代表一个测试输出从树根到树叶的每一条路径对应一组属性测试的合取数据挖掘方法:决策树YESNONONO属性测试可能值分析树根树叶09物流管理组2决策树的意义条理清晰程序严谨定量、定性分析相结合应用性强总结:在企业面临着许多可供选择的方案时能快速挑选出是用最少的资源,赢得最大的利润以及最大限度地降低企业的经营风险的最优决策数据挖掘方法:决策树09物流管理组2决策树算法决策树算法通过构造决策树来发现数据中蕴含的分类规则。核心:构造精度高、规模小的决策树步骤::由训练样本数据集(根据历史数据生成、有一定综合程度的用于数据分析处理的数据集):采用新的样本数据集(测试数据集)检验决策树生成过程中产生的初步规则,将影响预测准确性的分支剪除。数据挖掘方法:决策树决策树算法准备条件决策树归纳的设计问题如何分裂训练记录怎样为不同类型的属性指定测试条件?怎样评估每种测试条件?如何停止分裂过程指定测试条件依赖于属性的类型标称序数连续依赖于划分的路数2路划分多路划分基于标称属性的划分多路划分:划分数(输出数):划分数为2,这种划分要考虑创建k个属性值的二元划分的所有2k-1-{Family,Luxury}{Sports}CarType{Sports,Luxury}{Family}ORCarType{Family,Sports}{Luxury}