决策树算法及应用拓展教材(PPT 41页)

预备知识一(Building Tree)
使用决策树进行分类
决策树算法
伪代码(Building Tree)
属性选择的统计度量
信息增益度度量(ID3/C4.5)
训练集(举例)
使用信息增益进行属性选择
Decision Tree (结果输出)
基尼指数  Gini Index (IBM IntelligentMiner)
预备知识二(Pruning Tree)
两种剪枝标准
Cost of Encoding Data Records
Cost of Encoding Tree
剪枝算法
计算最小子树代价的伪代码
引入Public算法
具体思路
改进算法的伪代码
计算子树代价下界
Public(S)算法(一)
Public(S)算法(二)
Public(S)算法(证明一)
Public(S)算法(证明二)
计算minCost_S的代码
Public(S)示例
Public(V)算法
算法比较
实验数据(Real-life)
实验结果(一)
实验结果(二)
算法结果分析
言归正传—捕捉数据变化的挖掘方法
方法三的对应算法
标识几种不同的变化类型
小结
个人观点
计算分裂点属性代价下界的算法代码
..............................

上一篇：决策树学习课件(PPT 44页)

下一篇：决策理论培训课件(PPT 46页)

决策的概念和技能(ppt 52页)

审视我们的各类决策习惯(pdf 14页)

2004投资决策-国家信息中心经济预测部.doc25

决策理论与决策方法(doc 20页)

计划与决策(ppt 44页)

不确定型决策分析教材(PPT 41页)