1樓：軒德老師
1)畫出決策樹，畫決策樹的過程也就是對未來可能發生的各種事件進行周密思考、**的過程，把這些情況用樹狀圖表示出來．先畫決策點，再找方案分枝和方案點．最後再畫出概率分枝。(2)由專家估計法或用試驗資料推算出概率值．並把概率寫在概率分枝的位置上。(3)計算益損期望值，從樹梢開始，由右向左的順序進行．用期望值法計算．若決策目標是盈利時，比較各分枝，取期望值最大的分枝，其他分枝進行修剪。
2樓：匿名使用者
決策樹學習是機器學習方法中的一種。這種方法將習得的訓練集函式表示成樹結構，通過它來近似離散值的目標函式。這種樹結構是一種有向樹，它以訓練集的乙個屬性作節點，這個屬性所對應的乙個值作邊。
決策樹一般都是自上而下的來生成的。每個決策或事件（即自然狀態）都可能引出兩個或多個事件，導致不同的結果，把這種決策分支畫成圖形很像一棵樹的枝幹，故稱決策樹。
選擇分割的方法有好幾種，但是目的都是一致的：對目標類嘗試進行最佳的分割。
從根到葉子節點都有一條路徑，這條路徑就是一條「規則」。
決策樹可以是二叉的，也可以是多叉的。
對每個節點的衡量：
1) 通過該節點的記錄數。
2) 如果是葉子節點的話，分類的路徑。
3) 對葉子節點正確分類的比例。
有些規則的效果可以比其他的一些規則要好。
決策樹對於常規統計方法的優缺點。
優點：1) 可以生成可以理解的規則。
2) 計算量相對來說不是很大。
3)可以處理連續和種類字段。
4)決策樹可以清晰的顯示哪些字段比較重要。
缺點：1) 對連續性的字段比較難**。
2) 對有時間順序的資料，需要很多預處理的工作。
3) 當類別太多時，錯誤可能就會增加的比較快。
4) 一般的演算法分類的時候，只是根據乙個欄位來分類。
決策樹的適用範圍是什麼？
資料結構裡，什麼是二叉判定樹？
3樓：格仔裡兮
二叉判定樹也叫二叉排序樹或者是一棵空樹，或者是具有下列性質的二叉樹：
（1）若左子樹不空，則左子樹上所有結點的值均小於它的根結點的值；
（2）若右子樹不空，則右子樹上所有結點的值均大於或等於它的根結點的值；
（3）左、右子樹也分別為二叉排序樹。
4樓：我叫多了個餘
什麼叫二叉樹的度？帶你了解它的特點。
5樓：匿名使用者
樹中每個節點表示表中的乙個記錄，節點裡的值為該記錄在表中的位置，通常稱這個查詢過程的二叉樹為二叉判定樹。
二叉判定樹的節點是各個元素的下標或在表中的位置。比如有乙個檔案【11,22,33,44,55,66】，我想查詢44是否在該檔案中，利用折半查詢的思想，可以將此檔案構造成乙個二叉判定樹。
根節點是3，注意二叉判定樹的節點是下標或位置，這裡不能寫33。
6樓：匿名使用者
描述查詢過程的一種二叉排序樹。
什麼是決策樹法 它一般要經過哪些步驟？
7樓：侍芹
決策樹就是只我們在做乙個決策的時候，應該是從最根本來定乙個政策，然後衍生出他所需要規劃的規劃的專案和。
決策樹方法的基本思想是什麼
8樓：打死小
決策樹的基本思想。
決策樹演算法是最早的機器學習演算法之一。
演算法框架。1.決策樹主函式。
各種決策樹的主函式都大同小異，本質上是乙個遞迴函式。該函式的主要功能是按照某種規則生長出決策樹的各個分支節點，並根據終止條件結束演算法。一般來講，主函式需要完成如下幾個功能。
（1）輸入需要分類的資料集和類別標籤。
（2）根據某種分類規則得到最優的劃分特徵，並建立特徵的劃分節點--計算最優特徵子函式。
（3）按照該特徵的每個取值劃分資料集為若干部分--劃分資料集子函式。
（4）根據劃分子函式的計算結果構建出新的節點，作為樹生長出的新分支。
（5）檢驗是否符合遞迴的終止條件。
（6）將劃分的新節點包含的資料集和類別標籤作為輸入，遞迴執行上述步驟。
2.計算最優特徵子函式。
計算最優特徵子函式是除主函式外最重要的函式。每種決策樹之所以不同，一般都是因為最優特徵選擇的標準上有所差異，不同的標準導致不同型別的決策樹。如：
id3的最優特徵選擇標準是資訊增益、是資訊增益率、cart是節點方差的大小等。
在演算法邏輯上，一般選擇最優特徵需要遍歷整個資料集，評估每個特徵，找到最優的那乙個特徵返回。
3.劃分資料集函式。
劃分資料集函式的主要功能是分隔資料集，有的需要刪除某個特徵軸所在的資料列，返回剩餘的資料集；有的乾脆將資料集一分為二。
4.分類器。
所有的機器學習演算法都要勇於分類或回歸**。決策樹的分類器就是通過遍歷整個決策樹，使測試集資料找到決策樹中葉子節點對應的類別標籤。這個標籤就是返回的結果。
9樓：匿名使用者
對資料進行處理，利用歸納演算法生成可讀的規則和決策樹，然後使用決策對新資料進行分析。即通過一系列規則對資料進行分類的過程。
順便問句，是拿去看的還是打成電子稿的啊，o(∩_o 考試。
10樓：酷感夏日
決策樹演算法是一種逼近離散函式值的方法。它是一種典型的分類方法，首先對資料進行處理，利用歸納演算法生成可讀的規則和決策樹，然後使用決策對新資料進行分析。本質上決策樹是通過一系列規則對資料進行分類的過程。
決策樹方法最早產生於上世紀60年代，到70年代末。由j ross quinlan提出了id3演算法，此演算法的目的在於減少樹的深度。但是忽略了葉子數目的研究。
演算法在id3演算法的基礎上進行了改進，對於**變數的缺值處理、剪枝技術、派生規則等方面作了較大改進，既適合於分類問題，又適合於回歸問題。
決策樹決策法是，決策樹法的步驟
決策樹分類演算法是資料探勘技術中的一種 模型，它通過次序 無規則的樣本資料集推理出決策樹表示形式，並用於目標資料集的分類。它可以用來處理高維資料且具有很好的準確率，其構造不需要任何領域知識或引數設定，因此適合於探測式知識發現。目前決策樹分類演算法已經成功地應用於許多領域的分類，如商業 醫學 製造和生...
什麼是決策樹分析？其計算公式是如何表示的
給你好看的 決策樹分析法是一種運用概率與圖論中的樹對決策中的不同方案進行比較，從而獲得最優方案的風險型決策方法。圖論中的樹是連通且無迴路的有向圖，入度為0的點稱為樹根，出度為0的點稱為樹葉，樹葉以外的點稱為內點。決策樹由樹根 決策節點 其他內點 方案節點 狀態節點 樹葉 終點 樹枝 方案枝 概率枝 ...
什麼是決策，什麼是決策 決策的標準有哪些 管理學問題
決策 拼音 ju c 英文 decision 名詞解釋 決策 一詞的意思就是作出決定或選擇。管理就是決策。是指通過分析 比較，在若干種可供選擇的方案中選定最優方案的過程。時至今日，對決策概念的界定不下上百種，但仍未形成統一的看法，諸多界定歸納起來，基本有以下三種理解 一是把決策看作是一個包括提出問題...