决策树 boosting

摘 要 随着信息科技的高速发展人们对于积累的海量数据量的处理工作也日益增重需求是 发明之母数据挖掘技术就是为了顺应这种需求而发展起来的一种数据处理技术 数据挖掘技术又称数据库中的知识发现是从一个大规模

決策樹是功能強大且相當受歡迎的分類和預測工具。這項以樹狀圖為基礎的方法，其吸引人之處在於決策樹具有規則，和類神經網路不同。規則可以用文字來表達，讓人類了解，或是轉化為SQL之類的資料庫語言，讓落在特定

分类知识的获取是数据挖掘要实现的重要任务之一，其核心问题是解决分类模型的构造和分类算法实现。本文以决策树分类方法中有代表性的方法C4．5为例，介绍数据挖掘中一种分类方法一决策树分类方法及其构建和应用研

利用c语言编写的数据挖掘——决策树算法。决策树算法在机器学习中算是很经典的一个算法系列了。它既可以作为分类算法，也可以作为回归算法，同时也特别适合集成学习比如随机森林。

压缩包包含数据和代码，代码有详细的算法分析过程。算法使用的是c5.0决策树模型。分析过程重在建模和模型提升。

文档为pdf格式，详细描述了决策树算法原理及相关例子说明。

BI中决策树ID3算法的java实现，无界面，命令行方式

决策树算法是非常有用的一类算法。在数据挖掘中有着不可估量的作用。

决策树Java代码实现

采用R语言实现的ID3决策树，包括了模型训练函数和分类预测函数。使用数据框模拟xml文件存储决策树，实现了ID3的分类功能。