决策树——ID3算法1.信息熵2.信息增益3.西瓜数据集来构造决策树
用信息增益大小作为决策树属性选择划分的依据是ID3算法构造决策树的核心思想
1.信息熵
在讲信息增益之前就不得不提到信息熵，信息熵定义为：
其中：
D —— 样本集合
Pk —— 第k类样本所占比例（k取1,2,…,|y|）
它是度量样本集合纯度最常用的指标，通常En(t)越小样本集合纯度越高。
2.信息增益
信息增益定义为：
其中：
a —— 样本中的一个属性
D —— 样本集合
Dv ——实际属性值v对应的样本集合
V —— 属性a对应的实际属性值个数
v —— 某一个实际属性值计数
Ent(D) —— D的信息熵
2023-04-18 12:01:37
198KB
1
基于决策树 ID3 算法模式识别系统的设计与实现代码大全.pdf基于决策树 ID3 算法模式识别系统的设计与实现代码大全.pdf
2022-10-19 17:05:14
1.04MB
1
基于决策树 ID3 算法模式识别系统的设计与实现代码大全.pdf基于决策树 ID3 算法模式识别系统的设计与实现代码大全.pdf
2022-10-19 17:05:13
328KB
1
1、决策树ID3算法的实例解析是一个比较好地通过实例让你可以更好地理解ID3算法。
2、其中对信息论的信息熵的解释也比较到位，比较准确。
2022-03-09 14:39:13
12.43MB
1
决策树ID3算法matlab源代码片段
function [Tree RulesMatrix]=DecisionTree(DataSet,AttributName)
%输入为训练集，为离散后的数字，如记录1：1 1 3 2 1；
%前面为属性列，最后一列为类标
if nargin<1
error('请输入数据集');
else
if isstr(DataSet)
[DataSet AttributValue]=readdata2(DataSet);
else
AttributValue=[];
end
2021-12-30 08:28:11
8KB
1