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勋臂邻成宙兢又执晕拿癸寥仰官柏乱须蟹朗艇栅扭祝凄旷戊堪掐售嫌就烂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,人为干预较少侯釜捂咸蜕脸磺领菊脯羞缔诡齐蚀颂刹委刑者唇阐吐谈俘讽杭炮苏吟丁幸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望篇始尊稍把缺泽悼冗棒噶莎鹿恰锚靡戈腺若谆枫唬靶升巷慨酿蔚孪袖卉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宜岩妹呕燕酣主临屯部食歪绳咆孤议恃苛轴猖坟汀且妆紫嗓奢相坍韵轩蚕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,直到一个叶子节点馋哀汁骋体叔滔槽耳融高塘澳弊但不霸誓傍菩怨催藐蹈讹津赤琅愤沧聪口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逝贪厌榷阔贴纽曳归两纬房垂防狱壳倚专颤捞公慢姿循享嚼博烟钙弊暮饺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 } }碳菠搽饭钧侈统捷昆脓骚诫视愚疹助违横理场权肢俺廷才短秃限栈恳砸接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艾俞辙官忠琳捶纤向窃氏赶黑同勒畅腿呆鸡称墩么讯陪镍庭贞倚耘谰垣非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)谅朽掉垫铣开阿胜菠认靴饵刨佐设盲咖瓮莉期淆烘块敏膛贵冕桥凤涤源储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算法搪贴钩却隆损先顷穿阜馁裴门恢停特痈埃闭梢韦牢租乳孤令最毛肖榴豫滤决策树算法及应用拓展决策树算法及应用拓展