一个样本的全景图

最新推荐文章于 2020-11-29 06:40:48 发布

VIP文章苁心開始

最新推荐文章于 2020-11-29 06:40:48 发布

阅读量196

点赞数

分类专栏：素质拓展文章标签： sklearn id3 决策树样本全体数据分析

（请留意版权问题）CSDN提示：若要转载，请注明csdn博客地址。

本文链接：https://blog.csdn.net/lingyu_me/article/details/105930176

版权

之所以需要学习，是因为样本不是完全的，如果训练集是一个完全的样本，一个样本总体，意味着模型的最后模样。

设计好的决策树：

学习这么多天后，隐约感觉我这里的“决策树”和DecisionTreeClaassifier中决策树的概念并不一致，具体体现在DecisionTreeClaassifier的一些参数上，如max_features、min_samples_leaf等，我用id3生成的决策树和训练样本的关系是一一对应的，是过拟合的，可以反映训练样本的面貌，但是对于预测，可能会有失误。

但是，如果一个训练样本是一个总体，那么就没有这种失误的风险。下面就是上面这棵树的一个样本总体。

特征A,特征B,特征C,特征D,特征E,结果RES
A,B,C,D,E,RES
1,5,10,12,3,no
1,8,10,12,4,yes
0,8,9,13,4,yes
2,6,11,12,3,yes
0,6,9,13,3,no
1,5,10,13,3,no
2,8,9,12,3,yes
2,8,9,13,4,no
1,6,11,13,4,no
1,7,9,12,3,yes
1,7,11,