基于最大margin的决策树归纳

基于最大 margin 的决策树归纳李 宁1基于最大 margin 的决策树归纳 SVM 基本问题 SVM 反问题 SVM 反问题求解 在决策树归纳中的应用 进一步的工作2SVM 基本问题 Supervised classification learningLabeled data  linear discriminantClassification rule: Some better than others?0b w xsgn()yb w x+3SVM 基本问题Choose a linear discriminant to maximize margin0b w x4SVM 反问题 Unsupervised Learning Given unlabeled data, find maximum margin separating hyperplane  Find label assignment that results in a large margin5SVM 反问题的求解 基于聚类 遗传算法6在决策树归纳中的应用 决策树的一般归纳过程7在决策树归纳中的应用决策树的一般归纳过程F8<=29.1F8>29.1F5<=141F3>19F3<=19F5>141F2>109.5F2 <= 109.58在决策树归纳中的应用决策树的一般归纳过程Rule 1: IF(F8<=29.2) THEN –Rule 2: IF(F8>29.2 and F5<=141 and (F3<=19.0) THEN +… Rule n: IF(F8>29.2 and F5>141 and F2<=109.5 and F4<=13.8 )THEN+9在决策树归纳中的应用基于最大 margin 的决策树归纳()0w xb()0w xb求解 SVM 反问题获得具有最大 margin的最优超平面10进一步的工作 完成基于最大 margin 的决策树学习系统的实现 同其他启发式比较，看其泛化能力是否提高，分析该系统所适用的数据的特点11