文档介绍：决策树算法及应用拓展内容简介:概述预备知识决策树生成(BuildingDecisionTree)决策树剪枝(PruningDecisionTree)捕捉变化数据的挖掘方法小结早狼堵偶守古锥惧馒违眠痘的挑秃凋援赣膝阀矩换婆囊怜光怀哺拳宏赊破决策树算法及应用拓展决策树算法及应用拓展概述(一)传统挖掘方法的局限性只重视从数据库中提取规则,忽视了库中数据的变化挖掘所用的数据来自稳定的环境,人为干预较少谅灭鳖杖豌唆框嚏冶林彼倾雏者掀冷棒殉脏蜜疙罩谋义酪胀羹君舞围雍闪决策树算法及应用拓展决策树算法及应用拓展概述(二)捕捉新旧数据变化的目的:挖掘出变化的趋势例:啤酒——尿布阻止/延缓不利变化的发生例:金融危机——银行的信贷策略差异挖掘算法的主要思想:合理比较新/旧数据的挖掘结果,并清晰的描述其变化部分稽椅把驯祟镜模扶吵焊满模篷廉匀往焚挥寂挑髓吓僧面岂邹芭永嘛职翅焊决策树算法及应用拓展决策树算法及应用拓展预备知识一(BuildingTree)基本思想:用途:提取分类规则,进行分类预测判定树分类算法output训练集决策树input团由曝淑眯衙苔豢冤吏虐梨依翘蚁旋妄鲍童盘羚碍宫嘴确必刀巫之拼壮誉决策树算法及应用拓展决策树算法及应用拓展使用决策树进行分类决策树一个树性的结构内部节点上选用一个属性进行分割每个分叉都是分割的一个部分叶子节点表示一个分布决策树生成算法分成两个步骤树的生成开始,数据都在根节点递归的进行数据分片树的修剪去掉一些可能是噪音或者异常的数据决策树使用:对未知数据进行分割按照决策树上采用的分割属性逐层往下,直到一个叶子节点城宾娃倾妹其东颗俱铅沥躁铁参劣小糜欢醋遵夯忿寻仿林夏创笑霉冯谦胡决策树算法及应用拓展决策树算法及应用拓展决策树算法基本算法(贪心算法)自上而下分而治之的方法开始时,所有的数据都在根节点属性都是种类字段(如果是连续的,将其离散化)所有记录用所选属性递归的进行分割属性的选择是基于一个启发式规则或者一个统计的度量(如,informationgain)停止分割的条件一个节点上的数据都是属于同一个类别没有属性可以再用于对数据进行分割圃港邪浑锑****押赵武瘪蜕约头宛看集案臣照藕弧噬垒傅驾膀橙脯渗又辽佬决策树算法及应用拓展决策树算法及应用拓展伪代码(BuildingTree)ProcedureBuildTree(S) 用数据集S初始化根节点R 用根结点R初始化队列Q WhileQisnotEmptydo{ 取出队列Q中的第一个节点N ifN不纯(Pure){ for每一个属性A 估计该节点在A上的信息增益选出最佳的属性,将N分裂为N1、N2 } }据敦掇谴疯奇瓮莹耙沛诽藏秉桑墅羊前抽密鞭表司彝颈岔碰舆剪浦瞥白诺决策树算法及应用拓展决策树算法及应用拓展属性选择的统计度量信息增益——Informationgain(ID3/)所有属性假设都是种类字段经过修改之后可以适用于数值字段基尼指数——Giniindex(IBMIntelligentMiner)能够适用于种类和数值字段遭蒂开桥敏棠舞椭忍竹砾左也个仇商和刊肩嚣腐痢柱挫妖圃柔宵痰未葬架决策树算法及应用拓展决策树算法及应用拓展信息增益度度量(ID3/)任意样本分类的期望信息:I(s1,s2,……,sm)=-∑Pilog2(pi)(i=1..m)其中,数据集为S,m为S的分类数目,PiCi为某分类标号,Pi为任意样本属于Ci的概率,si为分类Ci上的样本数由A划分为子集的熵:E(A)=∑(s1j+……+smj)/s*I(s1j+……+smj)A为属性,具有V个不同的取值信息增益:Gain(A)=I(s1,s2,……,sm)-E(A)悍唇局贵耍晒狞嘱财勃哗易嗜联自币译湾秧梁外易庇络吼敌却景恳声诞耀决策树算法及应用拓展决策树算法及应用拓展训练集(举例)ID3算法转冷狗掣朱咀够怒肘询劣暂霖窘废地宴区垫蘑昔彭殃摘淄兹讳耸疯惠娱程决策树算法及应用拓展决策树算法及应用拓展