實驗二天氣決策樹_第1頁
實驗二天氣決策樹_第2頁
實驗二天氣決策樹_第3頁
實驗二天氣決策樹_第4頁
實驗二天氣決策樹_第5頁
已閱讀5頁，還剩7頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、實驗二：天氣決策樹的構造輸入數據例子編號屬 性分類天況溫度濕度風況1晴熱大無N2晴熱大有N3多云熱大無P4雨中大無P5雨冷正常無P6雨冷正常有N7多云冷正常有P8晴中大無N9晴冷正常無P10雨中正常無P11晴中正常有P12多云中大有P13多云熱正常無P14雨中大有N生成的決策樹算法 選擇一個屬性，把數據分割為K份。 選擇的準則：Information GainciiivAValuesvvppSEntropySEntropySSSEntropyASGain12)(log)()()(),(原始數據的熵 本題中物體集C有十四個例子，9個正例，5個反例。于是：M(C)9/14 * log2 (9/14

2、) 5/14 * log2 (5/14) 0. 940 bits 選取屬性“天況”的Information Gain 計算各分支的熵 “晴”的分支含2個正例3個反例，所需期望信息量為： M(天況為晴)2/5 * log2 (2/5)3/5 * log2 (3/5) 0. 971 bits “多云”的分支，含4個正例0個反例： M(天況為多云)0 “雨”的分支，含個正例個反例： M(天況為雨)3/5 * log2 (3/5)2/5 * log2 (2/5) 0. 971 bits 則以“天況”作劃分后，對應決策樹的信息量為： B(C，“天況”)5/14 * 0. 971 4/14 * 0 5/1

3、4 * 0. 971 0. 694 bits 選擇天況做為判別條件的Information GainGain(C, “天況”) = M(C)B(C，“天況”) 0. 940 0. 694 0. 247 bits 各屬性Information Gain的比較 Gain(C, “天況”) M(C)B(C，“天況”)0. 940 0. 694 0. 247 bits Gain(C, “溫度”) M(C)B(C，溫度)0. 940 0. 911 0. 029 bits Gain(C, “濕度”) M(C)B(C，濕度)0. 940 0. 788 0.152 bits Gain(C, “風況”) M(C)B(C，風況)0. 940 0. 8920. 048 bits 生成的決策樹繼續(xù)劃分“晴”的分支 Gain(C晴, “溫度”) M(天況為晴)B(天況為晴，“溫度”). Gain(C晴, “濕度”) M(天況為晴)B(天況為晴，“濕度”). Gain(C晴, “風況”) M(天況為晴)B(天況為晴，風況). 繼續(xù)劃分“多云 ”的分支 全部為正例，無須劃分。 繼續(xù)劃分“雨 ”的分支 Gain(C雨, “溫度”) M(天況為雨)B(天況為雨，“溫度”). Gain(C雨, “濕度”) M

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論