《实验二.天气决策树ppt课件.ppt》由会员分享，可在线阅读，更多相关《实验二.天气决策树ppt课件.ppt（12页珍藏版）》请在三一办公上搜索。
1、实验二：天气决策树的构造,输入数据,生成的决策树,算法,选择一个属性，把数据分割为K份。选择的准则：Information Gain,原始数据的熵,本题中物体集C有十四个例子，9个正例，5个反例。于是：M(C)9/14*log2(9/14)5/14*log2(5/14)0.940 bits,选取属性“天况”的Information Gain,计算各分支的熵“晴”的分支含2个正例3个反例，所需期望信息量为：M(天况为晴)2/5*log2(2/5)3/5*log2(3/5)0.971 bits“多云”的分支，含4个正例0个反例：M(天况为多云)0“雨”的分支，含个正例个反例：M(天况为雨)3/5*
2、log2(3/5)2/5*log2(2/5)0.971 bits 则以“天况”作划分后，对应决策树的信息量为：B(C，“天况”)5/14*0.9714/14*05/14*0.971 0.694 bits 选择天况做为判别条件的Information GainGain(C,“天况”)=M(C)B(C，“天况”)0.9400.694 0.247 bits,各属性Information Gain的比较,Gain(C,“天况”)M(C)B(C，“天况”)0.9400.6940.247 bitsGain(C,“温度”)M(C)B(C，温度)0.9400.911 0.029 bits Gain(C,“湿度
3、”)M(C)B(C，湿度)0.9400.788 0.152 bitsGain(C,“风况”)M(C)B(C，风况)0.9400.8920.048 bits,生成的决策树,继续划分“晴”的分支,Gain(C晴,“温度”)M(天况为晴)B(天况为晴，“温度”).Gain(C晴,“湿度”)M(天况为晴)B(天况为晴，“湿度”).Gain(C晴,“风况”)M(天况为晴)B(天况为晴，风况).,继续划分“多云”的分支,全部为正例，无须划分。,继续划分“雨”的分支,Gain(C雨,“温度”)M(天况为雨)B(天况为雨，“温度”).Gain(C雨,“湿度”)M(天况为雨)B(天况为雨，“湿度”).Gain(C雨,“风况”)M(天况为雨)B(天况为雨，风况).,生成的决策树,
