決策樹分類法中原資管所李維平老師決策樹的重要性在商業(yè)界最常用的方法之一DecisionTree之意義YesYesYesYesYesYesYesYesYesYesYesYesYesYesYesYesNoNoNoNoNoNoNoNoNoNoNoNoNoNoNoNoNoNoYes有弦？用吹的？彎如弓的？演奏時要用下巴夾的？用彈的？有鍵盤的？木管樂器？有簧片？有雙簧片？銅管樂器？常用於通俗樂器中？比演奏者高？常用於通俗樂器中？有十根弦以上？打擊樂器？有弦？鼓棒？有音鎚的？曲型的？筆直的？彈奏？小提琴中提琴低音提琴大提琴不知道豎琴詩琴揚琴不知道電子樂器風(fēng)琴Yes撥弦古鋼琴鋼琴YesNoYesNo名詞解釋根節(jié)點葉節(jié)點內(nèi)部節(jié)點決策樹本質(zhì)：是一個分類器收入年齡職業(yè)…分類器好普通差銀行客戶:信用分類“信用”為

目標屬性：決策樹例子1:信用好,2:信用差收入年齡X2X1222222211111307萬5萬3萬年齡1111112222222年齡<30年齡>30收入1122221111222

收入<5萬

收入>5萬單純資料混亂資料例子:舊客戶購買之歷史資料No性別學(xué)院購買產(chǎn)品1男商電腦2男人文手機3女商電腦4女人文手機新客戶:女生、商學(xué)院，請問她最可能購買的產(chǎn)品？決策樹例子1:電腦,2:手機學(xué)院

性別1212男女學(xué)院2211商

人文單純資料男女商人文電腦電腦手機手機性別混亂資料(混亂度高)(混亂度低)混亂度定義:一群物件的目標屬性混亂的程度三種計算方式:P1*

P2[0~1/4]P1:這群物件目標屬性值為1的機率P2:這群物件目標屬性值為2的機率Min(P1,P2)[0~1/2]Entropy:-P1log2P1-P2log2P2

[0~1]練習(xí):計算混亂度1,1,1,11,1,1,21,1,2,2Min(P1,P2)P1

*P2決策樹精神挑選一輸入屬性，能將目標屬性的混亂度降到最低停止條件當葉節(jié)點滿足下列條件即停止1.所有物件的目標屬性，皆為同一類2.沒有輸入屬性可以降低混亂度決策樹模型:三階段模式訓(xùn)練階段將決策樹訓(xùn)練出來測試階段測試決策樹的準確性運用階段可對一未知資料作分類DecisionTree之準確率利用”測試資料”作測試age?income?creditrating?fairexcellent<=30>40nonoyesyesyes30~40RootNodeChildNodeLeafNodehmlno決策樹相關(guān)演算法ID3:(前面所教)Quinlan1979輸入屬性為離散C4.5:(IBMMining軟體所採用)Breiman1984輸入屬性可為連續(xù)決策樹mining過程A決定想解決的問題B決定目標屬性與輸入屬性C決定資料範圍D資料前處理或許需要將連續(xù)變數(shù)改為”離散”變數(shù)E建構(gòu)決策樹，並解釋結(jié)果F若無法解釋，應(yīng)回到A或B再思考決策樹專案注意事項(2/2)目標屬性與輸入屬性關(guān)聯(lián)性太低例如:樂透獎輸入：年，月，週，日輸出：樂透號碼作業(yè)(碩專)時間：2週請於3/24(一)前，將報告mai