分类和预测

3个方向：

1）基于数据库

2）人工智能和机器学习

3）基于统计学

1. 分类和预测的区别

分类：

1) 预测分类标号（或离散值）

2) 根据训练数据集和类标号属性，构建模型来分类现有数据，并用来分类新数据

预测：

1) 建立连续函数值模型，比如预测空缺值

2. 判定树

1) 什么是判定树？

类似于流程图的树结构

每个内部节点表示在一个属性上的测试

每个分枝代表一个测试输出

每个树叶节点代表类或类分布

2) 判定树的生成由两个阶段组成

a) 判定树构建

开始时，所有的训练样本都在根节点

递归的通过选定的属性，来划分样本 （必须是离散值）

b) 树剪枝

许多分枝反映的是训练数据中的噪声和孤立点，树剪枝试图检测和剪去这种分枝

3) 判定树的使用：对未知样本进行分类

通过将样本的属性值与判定树相比较

构造判定树的算法如下：