《表1 训练样本实例：应用Tsallis算法和关键度度量的决策树构建》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《应用Tsallis算法和关键度度量的决策树构建》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

决策树是机器学习的主要方法之一，在一些领域仍在积极研究，如图像插值、语音综合[1-5]。决策树是根树结构，容易理解，并且有较好的计算结果和计算效率，其中每个非叶节点是决策节点，其表示将情况分成两个或多个子树的标准，每个分支代表当前节点1种分类情况，每个叶节点表示整个数据集1种分类情况，自根节点至每个叶节点存在1条路径，代表1种分类途径。决策树分类器是自上而下的构建过程，并进行预剪枝和后剪枝，预剪枝是在完全正确分裂训练集之前，较早地停止树的生成，后剪枝是在完全生成树结构后进行剪枝。决策树分类器通过使用节点中的条件来决定分支，从根节点向下移动到叶节点，从而为任何看不见的情况预测类别。