数据挖掘机器学习总结.doc

数据挖掘机器学****总结
　　1 决策树算法
　　机器学****中，决策树是一个预测模型；它代表的是对象属性值与对象值之间的一种映射关系。树中每个节点表示某个对象，每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应具有上述属性值的子对象。决策树仅有单一输出；若需要多个输出，可以建立独立的决策树以处理不同输出。
　　从数据产生决策树的机器学****技术叫做决策树学****通俗说就是决策树。
　　决策树学****也是数据挖掘中一个普通的方法。在这里，每个决策树都表述了一种树型结构，它由它的分支来对该类型的对象依靠属性进行分类。每个决策树可以依靠对源数据库的分割进行数据测试。这个过程可以递归式的对树进行修剪。当不能再进行分割或一个单独的类可以被应用于某一分支时，递归过程就完成了。另外，随机森林分类器将许多决策树结合起来以提升分类的正确率。 决策树同时也可以依靠计算条件概率来构造。决策树如果依靠数学的计算方法可以取得更加理想的效果。
　　 决策树的工作原理
　　决策树一般都是自上而下的来生成的。
　　选择分割的方法有多种，但是目的都是一致的，即对目标类尝试进行最佳的分割。
　　从根节点到叶子节点都有一条路径，这条路径就是一条“规则”。
　　决策树可以是二叉的，也可以是多叉的。
　　对每个节点的衡量：
　　1) 通过该节点的记录数；
　　2) 如果是叶子节点的话，分类的路径；
　　3) 对叶子节点正确分类的比例。
　　有些规则的效果可以比其他的一些规则要好。
　　 ID3算法
　　 概念提取算法CLS
　　1) 初始化参数C={E}，E包括所有的例子，为根；
　　2) 如果C中的任一元素e同属于同一个决策类则创建一个叶子节点YES终止；否则依启发式标准，选择特征Fi={V1, V2, V3,……, Vn}并创建判定节点，划分C为互不相交的N个集合C1，C2，C3，……，Cn；
　　3) 对任一个Ci递归。
　　 ID3算法
　　1) 随机选择C的一个子集W (窗口)；
　　2) 调用CLS生成W的分类树DT(强调的启发式标准在后)；
　　3) 顺序扫描C搜集DT的意外(即由DT无法确定的例子)；
　　4) 组合W与已发现的意外，形成新的W；
　　5) 重复2)到4)，直到无例外为止。
　　启发式标准：
　　只跟本身与其子树有关，采取信息理论用熵来量度。
　　熵是选择事件时选择自由度的量度，其计算方法为：P=freq(Cj,S)/|S|；INFO(S)=-SUM(P*LOG(P))；SUM()函数是求j从1到n的和。Gain(X)=Info(X)-Infox(X)；Infox(X)=SUM( (|Ti|/|T|)*Info(X)；
　　为保证生成的决策树最小，ID3算法在生成子树时，选取使生成的子树的熵(即Gain(S))最小的特征来生成子树。
　　ID3算法对数据的要求：
　　1) 所有属性必须为离散量；
　　2) 所有的训练例的所有属性必须有一个明确的值；
　　3) 相同的因素必须得到相同的结论且训练例必须唯一。
　　
　　由于ID3算法在实际应用中存在一些问题，，