建立模型之決策樹講義(PPT 46頁)

分類預測的概念
什麼是決策樹
決策樹的核心問題
決策樹的生長，模型建立
決策樹的修剪
C5.0算法及其應用實例
信息熵和信息增益
修剪算法
4. 建立模型之決策樹
4.1 分類預測概念
聚類、分類和模式識別
從二分類問題開始
在“虛度的日子”的判別中最關鍵的是哪一個因素？
基於樹型結構的排序算法
2. 什麼是決策樹
2.1 決策樹學習 和分類預測
決策樹生成算法——有指導學習
決策樹分類算法——基於邏輯
3. 決策樹的核心問題
3.1 決策樹表示法
決策樹例圖的邏輯表達式
3.2 決策樹學習的適用問題
3.2 決策樹方法的適用問題
4. C5.0算法
4.1 ID3算法
4.1.1 最佳分類屬性
4.1.1 最佳分類屬性（2）
PlayTennis的14個訓練樣例
當前樣例集合中的最佳分類屬性
然後呢？
根節點的左右孩子順序
用於學習布爾函數的ID3算法概要
ID3算法舉例
Entropy and Information Gain
決策樹學習中的假設空間搜索
決策樹學習的深入話題
4.2 C4.5的修剪算法
4.2.1 避免過度擬合數據
Overfitting
避免過度擬合必須控製樹尺寸
避免過度擬合數據（2）
避免過度擬合數據（3）
避免過度擬合數據（4）
避免過度擬合數據（5）
4.2.1 C5.0決策樹的誤差估計
4.2.2 C5.0決策樹的修剪標準
修剪節點、降低錯誤率
（C4.5）規則後修剪
(C4.5)規則後修剪
規則後修剪
..............................