实验二.天气决策树.ppt

实验二.天气决策树.ppt

ID:58428682

大小:188.00 KB

页数:12页

时间:2020-09-07

实验二.天气决策树.ppt_第1页
实验二.天气决策树.ppt_第2页
实验二.天气决策树.ppt_第3页
实验二.天气决策树.ppt_第4页
实验二.天气决策树.ppt_第5页
资源描述:

《实验二.天气决策树.ppt》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、实验二:天气决策树的构造输入数据例子编号属性分类天况温度湿度风况1晴热大无N2晴热大有N3多云热大无P4雨中大无P5雨冷正常无P6雨冷正常有N7多云冷正常有P8晴中大无N9晴冷正常无P10雨中正常无P11晴中正常有P12多云中大有P13多云热正常无P14雨中大有N生成的决策树算法选择一个属性,把数据分割为K份。选择的准则:InformationGain原始数据的熵本题中物体集C有十四个例子,9个正例,5个反例。于是:M(C)=-9/14* log2 (9/14)-5/14* log2 (5/14)  =0.940bits选取属性“天况”的InformationGain计算

2、各分支的熵“晴”的分支含2个正例3个反例,所需期望信息量为:M(天况为晴)=-2/5* log2 (2/5)-3/5* log2 (3/5)       = 0.971bits“多云”的分支,含4个正例0个反例:M(天况为多云)=0“雨”的分支,含3个正例2个反例:M(天况为雨)=-3/5* log2 (3/5)-2/5* log2 (2/5)      = 0.971bits则以“天况”作划分后,对应决策树的信息量为:B(C,“天况”)=5/14* 0.971 +4/14*0 +5/14* 0.971  =0.694bits选择天况做为判别条件的InformationG

3、ainGain(C,“天况”)=M(C)-B(C,“天况”)   =0.940 -0.694    =0.247bits各属性InformationGain的比较Gain(C,“天况”)=M(C)-B(C,“天况”)   =0.940 -0.694 =0.247bitsGain(C,“温度”)=M(C)-B(C,"温度")   =0.940 -0.911=0.029bitsGain(C,“湿度”)=M(C)-B(C,"湿度")   =0.940 -0.788=0.152bitsGain(C,“风况”)=M(C)-B(C,"风况")   =0.940 -0.892=0.04

4、8bits生成的决策树继续划分“晴”的分支Gain(C晴,“温度”)=M(天况为晴)-B(天况为晴,“温度”)=0.571Gain(C晴,“湿度”)=M(天况为晴)-B(天况为晴,“湿度”)=0.971Gain(C晴,“风况”)=M(天况为晴)-B(天况为晴,"风况")=0.420继续划分“多云”的分支全部为正例,无须划分。继续划分“雨”的分支Gain(C雨,“温度”)=M(天况为雨)-B(天况为雨,“温度”)=0.020Gain(C雨,“湿度”)=M(天况为雨)-B(天况为雨,“湿度”)=0.020Gain(C雨,“风况”)=M(天况为雨)-B(天况为雨,"风况")=0

5、.971生成的决策树

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。