数据挖掘-决策树
决策树：从属性相同的一类别事例推理树状规则分类方法
| 属性 | 描述 |
|---|---|
| 优点 | 计算复杂度不高，输出易于理解，中间值缺失不敏感，可以处理不相关特征数据 |
| 缺点 | 可能产生过拟合 |
| 适用 | 数值型，标称型 |
步骤
- 生成决策树：关键=> 选择适合的属性作为判别依据
- 修剪决策树：生成决策树时未考虑的噪声影响，容易出现过拟合，预测效果差，预先剪枝，后剪枝
- 识别叶子节点：差异较大，为规则
ID3不足
- 无法回溯，不一定是全局最优解
- 信息增益，信息熵偏向属性取值较多的属性
- 仅处理离散，不能处理连续属性
- 样本过小或包含噪声时，容易过拟合（Overfitting）
- 标题: 数据挖掘-决策树
- 作者: Spike Zhang
- 创建于 : 2017-03-05 23:34:05
- 更新于 : 2024-07-13 09:46:17
- 链接: https://chaosbynn.github.io/2017/03/05/数据挖掘-决策树/
- 版权声明: 本文章采用 CC BY-NC-SA 4.0 进行许可。
评论