如何理解什么是决策树算法?
如何理解什么是决策树算法?
具体算法步骤如下;1创建节点N2如果训练集为空,在返回节点N标记为Failure3如果训练集中的所有记录都属于同一个类别,则以该类别标记节点N4如果候选属性为空,则返回N作为叶节点,标记为训练集中最普通的类;5foreach候选属性attribute_list6if候选属性是连续的then7对该属性进行离散化8选择候选属性attribute_list中具有最高信息增益率的属性D9标记节点N为属性D10foreach属性D的一致值d11由节点N长出一个条件为Dd的分支12设s是训练集中Dd的训练样本的集合13ifs为空14加上一个树叶,标记为训练集中最普通的类15else加上一个有C4.5(R-{D},C,s)返回的点决策树CART背景:分类与回归树(CARTClassificationAndRegressionTree))是一种非常有趣并且十分有效的非参数分类和回归方法
答:详情>>