决策树建模概述.ppt

《决策树建模概述.ppt》由会员上传分享，免费在线阅读，更多相关内容在PPT专区-天天文库。

1、第四章决策树建模第十组：郭浩韩学成何珺何军黄安迪§4.1数据分类介绍分类是数据挖掘的一个重要课题,它的目的是：构造一个分类函数或分类模型,该模型能把数据库中的数据项映射到给定类别中的某一个。数据分类的过程一般来说主要包含两个步骤第一步,建立一个描述已知数据集类别或概念的模型第二步,利用所获得的模型进行分类操作§4.1数据分类介绍-2第一步,建立一个描述已知数据集类别或概念的模型该模型是通过对数据库中各数据进行内容的分析而获得的。分类学习方法所使用的数据集称为训练样本集合，每一数据行都属于一个确定的数据类别，其类别值是由一个属性来描

2、述的(被称为类别标记属性)。因此分类学习又可称为监督学习，它是在已知训练样本类别情况下，通过学习建立相应模型。而无监督学习则是在训练样本的类别与类别个数均未知的情况下进行的，如聚类分析。§4.1数据分类介绍-2第二步,利用所获得的模型进行分类操作首先对模型分类准确率进行估计。模型的准确性可以通过由该模型所正确分类的测试样本个数所占总测试样本的比例得到。即对于每一个测试样本，比较其已知的类别与学习所获模型的预测类别。如果一个学习所获模型的准确率经测试被认为是可以接受的，那么就可以使用这一模型对未来数据行或对象(其类别未知)进行分类

3、，即利用学习所获得的模型进行预测，对未知类别的数据行或对象判断其类别(属性)取值。由训练数据产生分类规则由分类规则对新的样本数据进行分类§4.1决策树介绍-2常用的分类预测算法：决策树归纳分类贝叶斯分类基于规则的分类用后向传播分类遗传算法、粗糙集方法、模糊集方法§4.1决策树介绍-24.1.1决策树的基本知识决策树方法最早产生于20世纪60年代，是由Hunt等人研究人类概念建模时建立的学习系统CLS(conceptlearningsystem)。到了70年代末，J.RossQuinlan提出ID3算法，引进信息论中的有关思想，提

4、出用信息增益(informationgain)作为特征判别能力的度量，来选择属性作为决策树的节点，并将建树的方法嵌在一个迭代的程序之中。当时他的主要目的在于减少树的深度，却忽略了叶子数目的研究。1975年和1984年，分别有人提出了CHAID和CART算法。1986年，J.C.Schlinner提出ID4算法。1988年，P.E.Utgoff提出ID5R算法。1993年，Quinlan本人以ID3算法为基础研究出C4.5算法。新算法在对预测变量的缺失值处理、剪枝技术、派生规则等方面作了较大的改进，C5.0是C4.5的商业改进版。

5、例子关于上mooc的例子例子例子4.1.1决策树的基本知识决策树技术发现数据模式和规则的核心是归纳算法。归纳是从特殊到一般的过程。归纳推理从若干个事实表征出的特征、特性或属性中,通过比较、总结、概括而得出一个规律性的结论。归纳学习的过程就是寻找一般化描述(归纳断言)的过程。这种一般化描述能够解释给定的输入数据，并可以用来预测新的数据。归纳学习由于依赖于经验数据，因此又称作经验学习。4.1.1决策树的基本知识-2归纳学习存在一个基本假定:任一模型如果能在足够大的训练样本集中很好地逼近目标函数，则它也能在未见样本中很好地逼近目标函数

6、。这个假定是归纳学习有效性的前提条件。归纳过程就是在描述空间中进行搜索的过程。4.1.1决策树的基本知识-2归纳可以分为自下而上、自上而下和双向搜索三种方式自下而上法一次处理一个输入对象，将描述逐步一般化，直到最终的一般化描述。自上而下法则对可能的一般化描述集进行搜索，试图找到一些满足一定要求的最优的描述。双向搜索方式则是这两者的结合。4.1.1决策树的基本知识-2先根据训练子集(又称为窗口)形成决策树，如果该树不能对所有对象给出正确的分类，那么选择一些例外加入到窗口中，重复该过程一直到形成正确的决策集。最终结果是“一棵树

7、”，其叶节点是类名，中间节点是带有分枝的属性，该分枝对应该属性的某一可能值。4.1.1决策树的基本知识-2决策树通常有两大类型，分别为分类决策树和回归决策树。分类决策树用来实现对定类或定序目标变量的分类，回归决策树则完成对定距目标变量取值的预测。根据决策树各种不同的属性，可分为以下几类:决策树内节点的测试属性可能是单变量的，即每个内节点只包含一个属性;也可能是多变量的，既存在包含多个属性的内节点。测试属性的不同属性值的个数，可能使得每个内节点有两个或多个分枝。如果一棵决策树每个内节点只有两个分枝则称之为二叉决策树，如由CA

8、RT算法生成的决策树。每个属性可能是值类型(连续值)，也可能是枚举类型(离散值)。分类结果既可能是两类也有可能是多类，如果二叉决策树的结果只有两类，则称之为布尔决策树。4.1.1决策树的基本知识-2决策树学习是应用最广的归纳推理算法之一。它是一种