人工智能-机器学习-防治电网覆冰的智能决策问题研究.pdf

决策树ID3算法机器学习中，决策树是一个预测模型；它代表的是对象属性值与对象值之间的一种映射关系。树中每个节点表示某个对象，每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应具有上述属性值的子对象。决策树仅有单一输出；若需要多个输出，可以建立独立的决策树以处理不同输出。

使用python语言实现决策树算法，决策函数使用 ID3， C4.5，ACRT

概述 调用sklearn.linear_model中的LogisticRegression库，尝试通过对率回归对离散数据进行划分，对每个属性进行预测，选取正确率最大的属性作为根节点，并对该节点的每个属性取值进行划分选择，依此类推，最终绘制一棵决策树。 程序功能 对于给定西瓜数据集3.0，将字符串类型的属性取值转换为数值类型以便模型进行训练，并将连续属性离散化以便选取划分点，通过正确率来选取根节点，最终得到决策树数组。通过dealanddraw(n0, pngname)函数将数组转化为字典类型，绘制决策树，将决策树以图片形式保存在程序的同一目录下。 收获 通过该代码读者能够掌握机器学习课程中对率回归决策树的基本绘制方法，能够根据自己的需求快速的更换数据集，具有一定的应用价值。 不足 对于正确率相同的节点，选取优先遍历的属性作为根节点，与基于信息增益进行划分选择的方法相比，可知两种方法绘制的决策树正确率均为100%，但对率回归方法容易忽略在同一正确率下划分较佳的节点，从而使决策树层数增多，变得更加复杂。

PPT是根据周志华老师那本书做的，示例加上动态演示，把决策树的内容丰富的涵盖了进去。

摘要:本发明公开了一种基于人工智能决策树的GPS遥感洪水预测方法，包括如下步骤：S1、读取GPS卫星原始观测值；S2、原始观测值的预处理；S3、采用历元间的伪距差、载波相位差和历元时间间隔的信息生成洪水探测量，所述洪水探测量包括第一探测量和第二探测量；S4、采用基于人工智能决策树算法建立分卫星分频率的洪水探测模型；S5、联合GPS双频信号的第一探测量和第二探测量对洪水进行探测，并根据探测阈值将结果进行标记；S6、根据探测结果进行洪水预警或对洪水探测模型更新迭代。采用基于人工智能决策树算法建立高精度的洪水探测模型，深度挖掘探测量和其它辅助特征参数之间的相关性，降低误探率，保证洪水探测的精准度和稳定性。

Agriculture:智慧农业物联网应用平台将物联网技术运用到传统农业中去，运用传感器和软件通过移动平台或者电脑平台对农业生产进行控制，依托部署在农业上生产现场的各种传感传感器（环境温湿度，土壤成分，PH值，二氧化碳，光照强度，气压，图像等）和无线通信网络实现农业生产环境的智能感知，智能预警，智能决策，智能分析，专家在线指导，为农业生产提供精准化种植养殖，可视化管理，智能化决策

最终实现了基于基尼系数和基于信息熵的两种决策树模型，能够处理离散型数据和连续型数据，并将生成的决策树可视化。在模型评估时还实现了基于numpy和pandas的准确率计算、混淆矩阵计算与可视化函数。

人工智能决策树实验，为了让同学们更好的学习决策树，了解人工智能，请大家参考

决策支持理论 方法介绍 为开发决策支持系统的入门者提供一条捷径