因素空间理论的决策树C4.5算法改进

分类决策树算法.ppt

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

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。

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。

决策树是一种常用的机器学习算法，本文将详细介绍其原理及应用。首先介绍了决策树的基本概念：节点、分支、叶子节点以及决策过程。接着讲解了决策树的三种构建方法：ID3、C4.5和CART。同时，本文还介绍了

关于数据挖掘算法的描述——决策树算法(可惜是英文的,将就着看吧,反正都是图,能看懂)

在计算机科学中,树是一种很重要的数据结构,比如我们最为熟悉的二叉查找树(Binary SearchTree),红黑树(Red-BlackTree)等,通过引入树这种数据结构,我们可以很快地缩小问题规模

1Hunt Marin和Stone于1966年研制的CLS学习系统用于学习单个概念.21979年J.R.Quinlan给出ID3算法并在1983年和1986年对ID3进行了总结和简化使其成为决策树学习

数据挖掘决策树算法ID3和C4.5 学习数据挖掘的工具-weka weka是用Java语言编写的完整的软件资源 Explorer是weka的主要图形用户界面 weka存储数据的原始方式是ARFF或CS