C4.5算法的分析和实现(2)
2.2.2.2. 相关理论综述 相关理论综述 相关理论综述 相关理论综述
2.1 2.1 2.1 2.1 决策树定义 决策树定义 决策树定义 决策树定义决策树是指在各种情况发生概率已知的情况下， 通过决策树的构成来求取净现值的期望值大于或等于零的概率，对 项目风险进行评估，来确定决策方法的可行性 ， 是直观的图形概率分析的方法 。 由于这一决策分支画成图形很像一棵树的树枝 ， 决策树由此得名 。 在机器学习中 ， 决策树是一种预测模型 ， 它 反映的是对象属性与对象值间的一类映射关系。所谓决策树，顾名思义，是一种树，一种依托于策略抉择而建立起来的树。从数据产生决策树的机器学习技术叫做决策树学习 , 通俗点说就是决策树。在机器学习中 ， 决策树是一种预测模型 ， 它 反映的是对象属性与对象值间的一类映射关系。 树中每个节点分别表示某个对象，而某个可能的属性值则由分差路径代表 ， 而每个叶节点对应于从根的叶节点所经历的路径所表示的对象的值 。 决策树只会有单一的输出，若想有复数输出，可以建立用以处理不同输出的独立的决策树。使用决策树 （ 决策树 ） 分类和预测的主要技术 ， 它看起来随机从一组基于案例推理决策树表示的分类规则 ， 在使用自顶向下的递归方式 ， 在树的内部根据不同属性的节点的节点属性值的比较和判断从哪个分支 ， 在决策树的叶节点的结论 。 因此 ， 整个树从根到叶节点对应规则的原因 ， 将对应的一组表达式规则 。 决策树算法基于一个最大的优点是，它不需要用户了解学习的过程中，很多背景知识，只要训练集的例子 ，你就可以使用这个算法进行学习，得出结论。
下一篇：红外图像压缩编码算法的研究