目标:
分类概念:
分类的两个步骤和方法:
学习:
训练集包含两部分,即数据属性和类别标签(类标号属性)
属于监督学习
预测:
过拟合
检验集
决策树:
CLS(Concept Learning System)算法。
CLS算法是早期的决策树学习算法。它是许多决策树学习算法的基础。
CLS基本思想:
从一棵空决策树开始,选择某一属性(分类属性)作为测试属性。该测试属性对应决策树中的决策结点。根据该属性的值的不同,可将训练样本分成相应的子集,如果该子集为空,或该子集中的样本属于同一个类,则该子集为叶结点,否则该子集对应于决策树的内部结点,即测试结点,需要选择一个新的分类属性对该子集进行划分,直到所有的子集都为空或者属于同一类。
CLS缺点:
【采用不同的测试属性及其先后顺序将会生成不同的决策树】
衡量信息多少的物理量称为信息量
若概率很大,受信者事先已有所估计,则该消息信息量就很小;
若概率很小,受信者感觉很突然,该消息所含信息量就很大。
信源含有的信息量是信源发出的所有可能消息的平均不确定性,香农把信源所含有的信息量称为信息熵,是指每个符号所含信息量的统计平均值。对于一个随机事件X,其信息熵的定义为:
条件信息熵的计算,看PPT自己领会吧。【重点】
1,
2,
条件信息熵计算,自行百度吧【重点!】
下面的估计不会考:
1,
2,
3,
信息增益的计算以及测试属性的选择:【重点】
计算:
信息增益率:
基尼指数:
决策树剪枝:【重点】
【不整啦,还是看PPT老实复习吧】