决策树DTC数据分析及鸢尾数据集分析VIP专享

精品文档---下载后可任意编辑一. 分类及决策树介绍 1.分类 分类其实是从特定的数据中挖掘模式，作出推断的过程。比如 Gmail 邮箱里有垃圾邮件分类器，一开始的时候可能什么都不过滤，在日常使用过程中，我人工对于每一封邮件点选“垃圾”或“不是垃圾”，过一段时间，Gmail 就体现出一定的智能，能够自动过滤掉一些垃圾邮件了。 这是因为在点选的过程中，其实是给每一条邮件打了一个“标签”，这个标签只有两个值，要么是“垃圾”，要么“不是垃圾”，Gmail 就会不断讨论哪些特点的邮件是垃圾，哪些特点的不是垃圾，形成一些判别的模式，这样当一封信的邮件到来，就可以自动把邮件分到“垃圾”和“不是垃圾”这两个我们人工设定的分类的其中一个。 分类学习主要过程如下： （1）训练数据集存在一个类标记号，推断它是正向数据集（起积极作用，不垃圾邮件），还是负向数据集（起抑制作用，垃圾邮件）； （2）然后需要对数据集进行学习训练，并构建一个训练的模型； （3）通过该模型对预测数据集进预测，并计算其结果的性能。2.决策树（decision tree） 决策树是用于分类和预测的主要技术之一，决策树学习是以实例为基础的归纳学习算法，它着眼于从一组无次序、无规则的实例中推理出以决策树表示的分类规则。构造决策树的目的是找出属性和类别间的关系，用它来预测将来未知类别的记录的类别。它采纳自顶向下的递归方式，在决策树的内部节点进行属性的比较，并根据不同属性值推断从该节点向下的分支，在决策树的叶节点得到结论。 决策树算法根据数据的属性采纳树状结构建立决策模型， 决策树模型常用来解决分类和回归问题。常见的算法包括：分类及回归树（Classification And Regression Tree， CART）， ID3 (Iterative Dichotomiser 3)， C4.5， Chi-squared Automatic Interaction Detection(CHAID), Decision Stump, 随机森林（Random Forest）， 多元自适应回归样条（MARS）以及梯度推动机（Gradient Boosting Machine， GBM）。 决策数有两大优点：1）决策树模型可以读性好，具有描述性，有助于人工分析；2）效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。 示例 1： 下面举两个例子，参考下面文章，强烈推举大家阅读，尤其是决策树原理。 算法杂货铺——分类算法之决策树(Decision tree) - leoo2sk 这个也是我上课讲述的例子，引用上面文章的。通俗来说...