数据分析算法----1决策树

本文介绍了决策树的基本思想、典型算法如ID3、C4.5和CART,以及在R语言中实现决策树的过程,包括rpart函数的参数设置和应用示例。通过对训练样本集的分析,构建并修剪决策树,用于数据分类。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

决策树,属于分类的一种。

经典算法:C4.5.

a) 决策树生成分两步:第一步,决策树生成:由训练样本集生成决策树过程。第二部:决策树的剪枝,对上一阶段生成的决策树进行检验,矫正和修下的过程。

b) 典型算法:ID3C4.5CART等。

c) 基本思想:

i. 树以代表训练样本的单个节点开始。

ii. 如果样本都在同一个类,则该几点成为树叶,并用该类标记。

iii. 否则,算法选择最有分类能力的属性作为决策树的当前节点。

iv. 根据当前决策节点属性取值不同,将训练样本数据集分成若干子集,每个取值形成一个分支,有几个取值形成几个分支,

决策树有三种类型节点:1,决策节点:-----用矩形框来表示 机会节点-----

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值