数据挖掘学习笔记3-贝叶斯与决策树

一、朴素贝叶斯
贝叶斯的基础上增加了一个强假设:在y发生的条件下,各特征发生的概率独立(条件独立)
即将联合条件概率转换为各条件概率的连乘积
二、决策树
特点是容易解读,用属性将样本层层分类,直到样本被完全分离或属性用完。
ID3:把大信息增益(为防止将生日、身份证号这类过学习属性,增加分类数量惩罚项)的属性用在树根,递归实现决策树。
为防止过学习,决策树还有修剪的过程(从树梢开始,将叶节点数量大的样本值赋给父节点,去除叶节点),具体为将样本集分为训练集、测试集,还有校验集,用校验集测试误差,一开始误差应该是下降的(刚训练出来的决策树是过学习的,修剪后会表现更好),修剪到一定程度误差会由减变增(决策树转为欠拟合状态),此时应结束修剪。

  • 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