《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》
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。
图表编号 | XD007440900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.15 |
作者 | 李梁、丛培强、陈亚茹 |
绘制单位 | 重庆理工大学计算机科学与工程学院、重庆理工大学计算机科学与工程学院、重庆理工大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |