決策樹基本概念教材(PPT 43頁)

分類: 基本概念
決策樹
基於規則分類
貝葉斯分類方法
提高分類準確率的技術
小結
什麼是分類？
預測問題: 分類與數值預測
分類—一個兩階段過程
監督和無監督學習
階段 (1): 模型構建
階段 (2): 使用模型預測
決策樹歸納: 一個例子
決策樹歸納算法
算法基本策略
屬性選擇: 信息增益
計算連續值屬性的信息增益
屬性選擇: 增益率 (C4.5)
基尼指數 (CART)
基尼指數的計算
過分擬合與樹剪枝
使用IF-THEN 規則分類
由決策樹提取規則
規則歸納:順序覆蓋算法
基本順序覆蓋算法
如何Learn-One-Rule?
貝葉斯定理: 基礎
分類就是導出最大後驗概率
樸素貝葉斯分類
樸素貝葉斯分類: 例子
避免零概率問題
樸素貝葉斯分類: 評價
組合方法: 提高分類準確率
裝袋: 自助聚集
提升
..............................