人工智能原理姓名：成军学好：510061813论文题目：决策树算法在商标分类中的应用中文摘要：决策树一般都是自上而下的来生成的。每个决策或事件（即自然状态）都可能引出两个或多个事件，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干。本文将使用决策树算法对给定的商标进行分类。其中有三大类商标数据，每大类使用五分之三的数据进行训练，使用五分之二的数据进行测试。我们应用 Java 和 MySQl 数据库进行测试。用c4.5 算法构造决策树。最终对数据进行准确率计算。关键词： 决策树 分类 商标 测试Title: Decision tree algorithm of the application for trademark classification Abstract: The decision tree is commonly top-down to generate. Each decision or events (namely natural state) are likely to elicit two or more events, lead to different results, put this decision branch loser graphics is like a tree branches. This article will use the decision tree algorithm for given the trademark of classification. There are three kinds of trademark data, each of the groups using three fifths of the data to train, use two fifths of the experimental data. We use Java and MySQL database testing. Use c4.5 decision tree algorithm's construction. Finally, calculate the data accuracy. Keywords: Decision tree classification brand test引言：机器学习一般分为 3 种类型：有监督的、无监督的以及强化学习【1】。有监督学习问题涉及从它的输入和输出的实例中学习一个函数。对于完全可观察的环境，智能体总能够观察到它的行动所带来的影响，因此有监督学习是可行的，否则会困难一些。 无监督学习问题涉及在未提供明确的输出值的情况下，学习输入的模式。纯粹的无监督学习智能体无法学习要做什么，因为它没有信息说明什么能构成正确的行动或者所期望的状态。 强化学习问题，是三类问题中最普遍的一个。强化学习是从强化物（起加强作用的事物）中进行学习，而不是根据教师所说的应该做什么进行学习。正文：决策树方法是挖掘分类规则的有效方法，通常包括两个部分：①树的生成，开始时所有的数据都在根节点，然后根据设定的标准选择测试属性，用不同的测试...
