文档介绍：: .
无缺值 无 无 无 无 无
若测试集选用 hayes-，包含 28 个实例，使用训练集建立模型。决策树如下：
使用测试集对该模型评估，统计数据如图所示：
结论：该模型的精度为 %。或直接对数据集进行交叉验证，也可得精度。
2第二部分：实验过程
（以一组数据为例，给出具体的操作处理过程，其余各组数据的实验只给出数据记录。）
（一）训练数据集大小与模型精度的关系
，包含 4274 个实例，15 个属性，无缺值
情况。
，对原训练数据集进行无监督的随机抽样，抽取 50
个数据作为新的训练数据集，如图所示，即，此刻训练数据集的实例数为 50：
，该实验选用的测试方法为：
：
C 为置信系数，置信系数用于修剪(值越小修剪越多)。
M 为每个叶节点的最小实例数。
：。该测试数据集有 5687 个实例。在
本类数据建模过程中，使用使用该数据集作为测试数据集。
，如有必要，进行修改。
，设置均已完成，点击开始按钮，得到 50 个实例为训练数据集情况下的模
型精度为 ，记录数据。
，修改抽样数，重复整个试验，
记录模型精度与训练数据实例数。
测试集
30 50 100 200 500 1000 2000 3000 4000 4257
抽样数
模型