決策樹算法及應用拓展教材(PPT 41頁)

預備知識一(Building Tree)
使用決策樹進行分類
決策樹算法
偽代碼(Building Tree)
屬性選擇的統計度量
信息增益度度量(ID3/C4.5)
訓練集(舉例)
使用信息增益進行屬性選擇
Decision Tree (結果輸出)
基尼指數 Gini Index (IBM IntelligentMiner)
預備知識二(Pruning Tree)
兩種剪枝標準
Cost of Encoding Data Records
Cost of Encoding Tree
剪枝算法
計算最小子樹代價的偽代碼
引入Public算法
具體思路
改進算法的偽代碼
計算子樹代價下界
Public(S)算法(一)
Public(S)算法(二)
Public(S)算法(證明一)
Public(S)算法(證明二)
計算minCost_S的代碼
Public(S)示例
Public(V)算法
算法比較
實驗數據(Real-life)
實驗結果(一)
實驗結果(二)
算法結果分析
言歸正傳—捕捉數據變化的挖掘方法
方法三的對應算法
標識幾種不同的變化類型
小結
個人觀點
計算分裂點屬性代價下界的算法代碼
..............................