分类与预测

分类与预测

     分类和预测是预测问题的两种主要类型，分类主要是预测分类标号（离散属性），而预测主要是建立连续值函数模型，预测给定自变量对应的因变量的值。

1. 实现过程

1）分类

分类是构造一个分类模型，输入样本的属性值，输出对应的类别，将每个样本映射到预先定义好的类别。分类模型建立在已有类标记的数据集上，模型在已有样本上的准确率可以方便的计算，所以分类属于有监督的学习。

2）预测

预测是建立两种或两种以上变量间相互依赖的函数模型，然后进行预测或控制

2.决策树

     决策树方法在分类、预测、规则提取等领域有着广泛的应用。决策树是一树状结构，它的每一个叶节点对应着一个分类，非叶节点对应着在某个属性上的划分，根据样本在该属性上的不同取值将其划分成若干个子集。对于非纯的叶节点，多数类的标号给出达到这个节点的样本所属的类。构造决策树的核心问