基于决策树的植被分类研究

总结了决策树归纳的基础知识和相关的扩展内容

1.分类决策树模型是表示基于特征对实例进行分类的树形结构。决策树可以转换成一个if-then规则的集合,也可以看作是定义在特征空间划分上的类的条件概率分布。 2.决策树学习旨在构建一个与训练数据拟合很

它利用了概率论的原理，并且利用一种树形图作为分析工具。其基本原理是用决策点代表决策问题，用方案分枝代表可供选择的方案，用概率分枝代表方案可能出现的各种结果，经过对各种方案在各种结果条件下损益值的计算比

treeplan 决策树 excel插件。Treeplan是一种构建决策树的很轻巧的excel插件，可以做出比较规范的决策树，并可以自动计算结果。

决策树算法的java实现，试验数据来自data mining。

决策树 boosting

看书时照着算法写的 ID3 Examples Target attribute Attributes Examples即训练样例集 Target attribute是这棵树要预测的目标属性 Attri

决策数数据，用来验证demo的。 保存成了csv格式，方便测试

一份很有参考价值的资料

决策树学习资料及源码解析