决策树算法的研究与改进_第1页
决策树算法的研究与改进_第2页
决策树算法的研究与改进_第3页
决策树算法的研究与改进_第4页
决策树算法的研究与改进_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

在决策树算法中，最为关键的两个步骤是特征选择和树的剪枝。或基尼指数(GiniIndex)等指标来评估特征的重要性。分为预剪枝(Pre-pruning)和后剪枝(Post-pruning)两种。预剪Forest)和梯度提升决策树(GradientBoostingDecisionTree)具体来说，在CIFAR-10数据集上，我们的改进算法在保持较高准确率的同时，运行时间比传统算法减少了约30%。这充分证明了我针对C5算法的过拟合问题，我们引入了剪枝策略。剪枝策略可为若干个离散的区间，并根据区间的值将数据映射到相应的类别我们探讨了改进后算法的应用。我们将改进后的C5算法应用于本文针对C5算法存在的问题进行了改进，并探讨了改进后算法等场景中，提高分类器的性能。未来我们将进一步研究C5算法的优类别(对于分类问题)或一个具体数值(对于回归问题)。决策树算决策树方法最早产生于上世纪60年代，到70年代末。由JRossQuinlan提出了ID3算法，此算法的目的在于减少树的深度。但是忽决策树算法构造决策树来发现数据中蕴涵的分类规则.如何构造程，主要是用新的样本数据集(称为测试数据集)中的数据校验决策决策树(decisiontree)是一种基本的分类与回归方法。决策树因为从所有可能的决策树中选取最优决策树是NP完全问题，所下对训练数据有足够分类能力的特征。(例如把名字不作为一个特征进行选择)InternationalConferenceonDataMining)在2006年12月评选4)根据当前决策结点属性取值的不同，将训练样本数据集tlI②没有剩余属性可以用来进一步划分样本.在这种情况下.使用③如果某一分枝tc,没有满足该分支中已有分类的样本，则以逻辑判断，如形式为a=aj的逻辑判断，其中a是属性，aj是该属性可缺少的环节。寻找一棵最优决策树，主要应解决以下3个最优化问(1)决策树生成：基于训练数据集生成决策树，生成的决策树(2)决策树剪枝：用验证数据集对己生成的树进行剪枝并选择 19

人人文库> 全部分类> 专业文献 > 法律法学

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论