四 分类:基本概念,决策树与模型评估1

本文深入探讨了解决分类问题的决策树归纳方法,从预备知识到算法设计,包括工作原理、建立过程、属性测试条件、选择最佳划分的度量以及决策树归纳的特点。介绍了如Hunt算法、信息增益、C4.5决策树等关键概念,并通过Web机器人检测的例子进行实际应用说明。
摘要由CSDN通过智能技术生成

4.1预备知识

元组(x,y):x指属性集合,y指分类属性
在这里插入图片描述
目标函数又称为分类模型:描述性建模;预测性建模

4.2 解决分类问题的一般方法

分类技术是一种根据输入数据集建立分类模型的系统方法。
学习算法确定分类模型;泛化能力模型
训练集;检验集
在这里插入图片描述
分类模型性能评估:
1.正确错误计数(混淆矩阵)
在这里插入图片描述
2.错误率,正确率
在这里插入图片描述

4.3 决策树归纳

4.3.1 决策树的工作原理

决策树:根结点,内部结点(属性测试条件),叶结点(类标号)

4

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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