决策树培训讲义(PPT 45页)

决策树(Decision Tree)
一、分类(Classification)
（2）聚类
3、分类的程序
决策树分类的步骤
例：
4、分类算法的评估
二、决策树(Decision Tree)
（一）决策树的结构
（二）决策树的形成
（三）ID3算法(C4.5,C5.0)
信息增益
Example(Gain)
Example(续)
Example(end)ID3算法
（四）Decision Tree的建立过程
2、决策树的剪枝(pruning)
（1）先剪枝方法
（2）后剪枝方法
应用案例：在农业中的应用
第一步：属性离散化
第二步：概化（泛化）
第三步：计算各属性的期望信息
计算各属性的信息增益
第四步：决策树
案例2：银行违约率
案例3  对电信客户的流失率分析
案例4：在银行中的应用
案例5：个人信用评级
（五）其他算法
1、C4.5与C5.0算法
2、Gini Index算法
Gini Index算法
案例：在汽车销售中的应用
3、CART算法

..............................

上一篇：决策管理培训课程(PPT 58页)

下一篇：生产决策分析教材(PPT 99页)

决策树统计学习方法概述(PPT 66页)

林德布洛姆的渐进决策理论教材(PPT 29页)

贝叶斯决策理论课件(PPT 70页)

长期筹资决策概述(PPT 77页)

决策树算法及应用拓展.ppt41

贝叶斯决策论(PPT 50页)