实验二.天气决策树教学内容.ppt

《实验二.天气决策树教学内容.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、实验二.天气决策树生成的决策树算法选择一个属性，把数据分割为K份。选择的准则：InformationGain原始数据的熵本题中物体集C有十四个例子，9个正例，5个反例。于是：M(C)＝－9/14* log2 (9/14)－5/14* log2 (5/14)　＝0.940bits选取属性“天况”的InformationGain计算各分支的熵“晴”的分支含2个正例3个反例，所需期望信息量为：M(天况为晴)＝－2/5* log2 (2/5)－3/5* log2 (3/5)　　 　　 ＝　0.971bit

2、s“多云”的分支，含4个正例0个反例：M(天况为多云)＝0“雨”的分支，含３个正例２个反例：M(天况为雨)＝－3/5* log2 (3/5)－2/5* log2 (2/5)　　　　　＝　0.971bits则以“天况”作划分后，对应决策树的信息量为：B(C，“天况”)＝5/14* 0.971 ＋4/14*0 ＋5/14* 0.971　＝0.694bits选择天况做为判别条件的InformationGainGain(C,“天况”)=M(C)－B(C，“天况”)　　＝0.940 －0.694 　　＝

3、0.247bits各属性InformationGain的比较Gain(C,“天况”)＝M(C)－B(C，“天况”)　　＝0.940 －0.694 ＝0.247bitsGain(C,“温度”)＝M(C)－B(C，"温度")　　＝0.940 －0.911＝0.029bitsGain(C,“湿度”)＝M(C)－B(C，"湿度")　　＝0.940 －0.788＝0.152bitsGain(C,“风况”)＝M(C)－B(C，"风况")　　＝0.940 －0.892＝0.048bits生成的决策树继续划分

4、“晴”的分支Gain(C晴,“温度”)＝M(天况为晴)－B(天况为晴，“温度”)＝０.５７１Gain(C晴,“湿度”)＝M(天况为晴)－B(天况为晴，“湿度”)＝０.９７１Gain(C晴,“风况”)＝M(天况为晴)－B(天况为晴，"风况")＝０.４２０继续划分“多云”的分支全部为正例，无须划分。继续划分“雨”的分支Gain(C雨,“温度”)＝M(天况为雨)－B(天况为雨，“温度”)＝０.０２０Gain(C雨,“湿度”)＝M(天况为雨)－B(天况为雨，“湿度”)＝０.０２０Gain(C雨,“风况”)＝M

5、(天况为雨)－B(天况为雨，"风况")＝０.９７１生成的决策树此课件下载可自行编辑修改，仅供参考！感谢您的支持，我们努力做得更好！谢谢