文档介绍：: .
2=(30~40,中,N, 很好,Y)
X13=(30~40,高,Y, 一般,Y)；X14=(>40,中,N, 很好,N) 分类规则挖掘
决策树
1．决策树的构造过程
决策树的构造算法：
决策树的构造算法可通过训练集T完成，其中T={<x,cj>}，而
x=(a1,a2,…,an)为一个训练实例，它有n个属性，分别列于属性表
(A1,A2,…,An)中，其中ai表示属性Ai的取值。Cj∈C={C1,C2,…,Cm}为x
的分类结果。从属性表中选择属性Ai作为分类属性；若属性Ai的取值有ki
个，则将T划分为ki个子集，T1,…,Tki，其中Tij={<x,C>|<x,C>}∈T，且x
的属性取值A为第i个值；接下来从属性表中删除属性Ai；对于每一个
Tij(1≤j≤K1)，令T=Tij；如果属性表非空，返回第1步，否则输出。 分类规则挖掘
决策树
2．分类器
定义：输入的数据含有千万个记录，每个记录又有很多个
属性，其中有一个特别的属性叫做类（例如信用程度的高，
中，低）。
具体步骤 ：
1）树的建立。
2）树的修剪,SLIQ采用了MDL（最小叙述长度）的方法来修
剪树。 分类规则挖掘
决策树
3．决策树的可扩展性
4．基于决策树方法的数据挖掘工具
分类规则挖掘
贝叶斯分类
1．贝叶斯信任网络如何工作
主区域 服务区域 手机呼叫 yes
外界 边缘 no
简单的贝叶斯网图 : .
第6章数据挖掘基本算法
本章内容：
分类规则挖掘
预测分析与趋势分析规则
数据挖掘的关联算法
数据挖掘的聚类算法
数据挖掘的统计分析算法
数据挖掘的品种优化算法
数据挖掘的进化算法 : .
第6章数据挖掘基本算法
本章内容：
分类规则挖掘
预测分析与趋势分析规则
数据挖掘的关联算法
数据挖掘的聚类算法
数据挖掘的统计分析算法
数据挖掘的品种优化算法
数据挖掘的进化算法Evaluation