资源简介

(共19张PPT)
第11课决策树
----以选西瓜为例构建决策树
决策树算法是一种基于树形结构的决策分析方法，其原理是通过一系列的判断和决策过程，将数据集进行分类或回归预测。具体来说，决策树算法通过递归地将数据集划分为更小的子集，并在每个子集上应用决策规则，从而构建出一个树形结构。决策树算法是一种基于树形结构的决策分析方法，通过递归地将数据集划分为更小的子集，并在每个子集上应用决策规则，从而构建出一个树形结构。其原理在于选择合适的特征进行划分，并构建出准确可靠的决策树结构。
决策树算法的原理
决策树算法用途
分类问题：决策树算法常用于分类问题，如垃圾邮件识别、疾病诊断等。通过构建决策树模型，可以根据输入的特征将数据划分为不同的类别。
回归预测：除了分类问题，决策树算法也可以用于回归预测，如预测房价、股票价格等。通过构建决策树模型，可以根据输入的特征预测连续的输出值。
决策树算法用途
3.特征选择：决策树算法在特征选择方面也有很好的应用。通过计算特征的信息增益、增益率或基尼系数等指标，可以选择出对数据集分类或回归最有影响的特征。
4.数据挖掘：决策树算法可以用于数据挖掘中的关联规则挖掘，如购物篮分析等。通过构建决策树模型，可以发现不同商品之间的关联关系，为商业决策提供支持。
人工选瓜
根蒂
纹理
触感
新西瓜
输入
规律
结果
推测
输入
模型
结果
预测
知识
学习
数据
训练
人工选瓜与机器选瓜
新西瓜
收集数据
1
分析数据
2
训练算法
3
使用算法
4
软粘
清晰
硬挺
硬滑
模糊
硬挺
硬滑
模糊
蜷缩
软粘
稍糊
蜷缩
软粘
模糊
蜷缩
硬滑
清晰
蜷缩
软粘
清晰
蜷缩
软粘
清晰
蜷缩
硬滑
稍糊
蜷缩
硬滑
清晰
蜷缩
1
2
3
4
5
6
7
8
9
10
编号 1 2 3 4 5 6 7 8 9 10
根蒂 蜷缩 蜷缩 蜷缩 蜷缩 蜷缩 硬挺 硬挺 蜷缩 蜷缩 蜷缩
纹理 清晰 清晰 清晰 清晰 稍糊 清晰 模糊 模糊 稍糊 模糊
触感 硬滑 硬滑 软粘 软粘 硬滑 软粘 硬滑 硬滑 软粘 软粘
好瓜 是 是 是 是 是 否 否 否 否 否
好瓜
坏瓜
编号 1 2 3 4 5 6 7 8 9 10
根蒂 蜷缩 蜷缩 蜷缩 蜷缩 蜷缩 硬挺 硬挺 蜷缩 蜷缩 蜷缩
纹理 清晰 清晰 清晰 清晰 稍糊 清晰 模糊 模糊 稍糊 模糊
触感 硬滑 硬滑 软粘 软粘 硬滑 软粘 硬滑 硬滑 软粘 软粘
好瓜 是 是 是 是 是 否 否 否 否 否
属性 值 好瓜 坏瓜
根蒂 蜷缩 5 3
硬挺 0 2
纹理 清晰 4 1
稍糊 1 1
模糊 0 3
触感 硬滑 3 2
软粘 2 3
纯度
分类结果的差异程度
稍糊的纯度<清晰的纯度<模糊的纯度
属性 值 好瓜 坏瓜 信息熵 信息增益
根蒂 蜷缩 5 3 0.95 0.24
硬挺 0 2 0
纹理 清晰 4 1 0.72 0.44
稍糊 1 1 1
模糊 0 3 0
触感 硬滑 3 2 0.97 0.03
软粘 2 3 0.97
利用程序计算各属性的信息熵和信息增益
编号 1 2 3 4 5 6 7 8 9 10
根蒂 蜷缩 蜷缩 蜷缩 蜷缩 蜷缩 硬挺 硬挺 蜷缩 蜷缩 蜷缩
纹理 清晰 清晰 清晰 清晰 稍糊 清晰 模糊 模糊 稍糊 模糊
触感 硬滑 硬滑 软粘 软粘 硬滑 软粘 硬滑 硬滑 软粘 软粘
好瓜 是 是 是 是 是 否 否 否 否 否
编号 1 2 3 4 5 6 7 8 9 10
根蒂 蜷缩 蜷缩 蜷缩 蜷缩 蜷缩 硬挺 硬挺 蜷缩 蜷缩 蜷缩
纹理 清晰 清晰 清晰 清晰 稍糊 清晰 模糊 模糊 稍糊 模糊
触感 硬滑 硬滑 软粘 软粘 硬滑 软粘 硬滑 硬滑 软粘 软粘
好瓜 是 是 是 是 是 否 否 否 否 否
纹理
7,8,10
5,9
1,2,3,4,6
模糊
稍糊
清晰
1,2,3,4,6
编号 1 2 3 4 6
根蒂 蜷缩 蜷缩 蜷缩 蜷缩 硬挺
纹理 清晰 清晰 清晰 清晰 清晰
触感 硬滑 硬滑 软粘 软粘 软粘
好瓜 是 是 是 是 否
编号 1 2 3 4 5 6 7 8 9 10
根蒂 蜷缩 蜷缩 蜷缩 蜷缩 蜷缩 硬挺 硬挺 蜷缩 蜷缩 蜷缩
纹理 清晰 清晰 清晰 清晰 稍糊 清晰 模糊 模糊 稍糊 模糊
触感 硬滑 硬滑 软粘 软粘 硬滑 软粘 硬滑 硬滑 软粘 软粘
好瓜 是 是 是 是 是 否 否 否 否 否
纹理
7,8,10
5,9
1,2,3,4,6
模糊
稍糊
清晰
1,2,3,4,6
编号 5 9
根蒂 蜷缩 蜷缩
纹理 稍糊 稍糊
触感 硬滑 软粘
好瓜 是 否
任务一
根据计算的信息增益，手工绘制决策树
纹理
模糊
稍糊
清晰
作业展示
任务二
依据决策树，将判断西瓜好坏的程序补充完整
a=input("请输入西瓜的纹理{清晰，稍糊，模糊}：")
b=input("请输入西瓜的根蒂{蜷缩，硬挺}：")
c=input("请输入西瓜的触感{硬滑，软粘}：")
if a=="模糊":
print("坏瓜")
elif a=="____":
if c=="_____":
print(____)
elif c=="_____":
print(____)
elif a=="____":
if b=="_____":
print(____)
elif b=="_____":
print(____)
运行程序，判断一个新买的西瓜是否是好瓜

1、对真实西瓜的判定，决策树算法的判断结果一定准确吗？
2、如何提高决策树算法的结果准确性？
思考与讨论
不一定，因为特征有限，样本有限
增加特征、样本的数量
编号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
色泽 青绿 乌黑 乌黑 青绿 浅白 青绿 乌黑 乌黑 乌黑 青绿 浅白 浅白 青绿 浅白 乌黑 浅白 青绿
根蒂 蜷缩 蜷缩 蜷缩 蜷缩 蜷缩 稍蜷 稍蜷 稍蜷 稍蜷 硬挺 硬挺 蜷缩 稍蜷 稍蜷 稍蜷 蜷缩 蜷缩
敲声 浊响 沉闷 浊响 沉闷 浊响 浊响 浊响 浊响 沉闷 清脆 清脆 浊响 浊响 沉闷 浊响 浊响 沉闷
纹理 清晰 清晰 清晰 清晰 清晰 清晰 稍糊 清晰 稍糊 清晰 模糊 模糊 稍糊 稍糊 清晰 模糊 稍糊
脐部 凹陷 凹陷 凹陷 凹陷 凹陷 稍凹 稍凹 稍凹 稍凹 平坦 平坦 平坦 凹陷 凹陷 稍凹 平坦 稍凹
触感 硬滑 硬滑 硬滑 硬滑 硬滑 软粘 软粘 硬滑 硬滑 软粘 硬滑 软粘 硬滑 硬滑 软粘 硬滑 硬滑
好瓜 是 是 是 是 是 是 是 是 否 否 否 否 否 否 否 否 否
拓展与延伸
特征属性
样本数量
3个
6个
10个
17个
请利用提供的程序使用1-15号西瓜为数据集生成决策树，并用16号，17号西瓜验证其准确性
概念及特征
构建决策树的一般流程
以选西瓜为例构建决策树
课堂小结
决策树
使用决策树实现智能选瓜
收集数据
分析数据
训练算法
使用算法

展开更多......

收起↑