數據挖掘十大經典算法

1、數據挖掘十大經典算法數據挖掘十大經典算法一、一、C4.5C4.5算法是機器學習算法中的一種分類決策樹算法其核心算法是ID3算法.C4.5算法繼承了ID3算法的優(yōu)點，并在以下幾方面對ID3算法進行了改進：1)用信息增益率來選擇屬性，克服了用信息增益選擇屬性時偏向選擇取值多的屬性的不足；2)在樹構造過程中進行剪枝；3)能夠完成對連續(xù)屬性的離散化處理；4)能夠對不完整數據進行處理。C4.5算法有如下優(yōu)點：產生的分類規(guī)則易于理解，準確率較高。其

2、缺點是：在構造樹的過程中，需要對數據集進行多次的順序掃描和排序，因而導致算法的低效。1、機器學習中，決策樹是一個預測模型；他代表的是對象屬性與對象值之間的一種映射關系。樹中每個節(jié)點表示某個對象，而每個分叉路徑則代表的某個可能的屬性值，而每個葉結點則對應從根節(jié)點到該葉節(jié)點所經歷的路徑所表示的對象的值。決策樹僅有單一輸出，若欲有復數輸出，可以建立獨立的決策樹以處理不同輸出。2、從數據產生決策樹的機器學習技術叫做決策樹學習通俗說就是決策樹。3

3、、決策樹學習也是數據挖掘中一個普通的方法。在這里，每個決策樹都表述了一種樹型結構，他由他的分支來對該類型的對象依靠屬性進行分類。每個決策樹可以依靠對源數據庫的分割進行數據測試。這個過程可以遞歸式的對樹進行修剪。當不能再進行分割或一個單獨的類可以被應用于某一分支時，遞歸過程就完成了。另外，隨機森林分類器將許多決策樹結合起來以提升分類的正確率。決策樹是如何工作的？1、決策樹一般都是自上而下的來生成的。2、選擇分割的方法有好幾種，但是目的都是

4、一致的：對目標類嘗試進行最佳的分割。3、從根到葉子節(jié)點都有一條路徑，這條路徑就是一條―規(guī)則4、決策樹可以是二叉的，也可以是多叉的。對每個節(jié)點的衡量：3)對任一個Ci遞歸.2.ID3算法1)隨機選擇C的一個子集W(窗口).2)調用CLS生成W的分類樹DT(強調的啟發(fā)式標準在后).3)順序掃描C搜集DT的意外(即由DT無法確定的例子).4)組合W與已發(fā)現的意外形成新的W.5)重復2)到4)直到無例外為止.啟發(fā)式標準:只跟本身與其子樹有關采取

5、信息理論用熵來量度.熵是選擇事件時選擇自由度的量度其計算方法為P=freq(CjS)|S|INFO(S)=SUM(PLOG(P))SUM()函數是求j從1到n和.Gain(X)=Info(X)Infox(X)Infox(X)=SUM((|Ti||T|)Info(X)為保證生成的決策樹最小ID3算法在生成子樹時選取使生成的子樹的熵(即Gain(S))最小的的特征來生成子樹.3、ID3算法對數據的要求1）.所有屬性必須為離散量.2）.所有的