当前课程知识点:人工智能 >  6.机器学习 >  6.3归纳学习 >  6.3.3决策树学习

返回《人工智能》慕课在线视频课程列表

6.3.3决策树学习资料文件与下载

6.3.3决策树学习

  1. 决策树学习是一种以示例为基础的归纳学习方法,也是目前最流行的归纳学习方法之一。在现有的各种决策树学习算法中,影响较大的是ID3算法。本节主要讨论决策树的概念和决策树学习的ID3算法。

  2. 决策树是一种由节点和边构成的用来描述分类过程的层次数据结构。该树的根结点表示分类的开始,叶节点表示一个实例的结束,中间节点表示相应实例中的某一属性,而边则代表某一属性可能的属性值。

  3. 在决策树中,从根节点到叶节点的每一条路径都代表一个具体的实例,并且同一路径上的所有属性之间为合取关系,不同路径(即一个属性的不同属性值)之间为析取关系。

  4. 决策树的分类过程就是从这棵树的根接点开始,按照给定的事例的属性值去测试对应的树枝,并依次下移,直至到达某个叶节点为止。 

图6-3是一个非常简单的用来描述对鸟类进行分类的决策树。

image.png

图6-3一个简单的鸟类识别决策树

在该图中:

     根节点包含各种鸟类,叶节点是所能识别的各种鸟的名称;

     中间节点是鸟的一些属性,边是鸟的某一属性的属性值;

     从根节点到叶节点的每一条路径都描述了一种鸟,它包括该种鸟的一些属性及相应的属性值。


决策树还可以表示成规则的形式。上图的决策树可表示为如下规则集:

    IF  鸟类会飞   AND  是家养的    THEN  该鸟类是和平鸽

    IF  鸟类会飞   AND  不是家养的  THEN  该鸟类是信天翁

    IF  鸟类不会飞 AND  会游泳      THEN  该鸟类是企鹅

    IF  鸟类不会飞 AND  不会游泳    THEN  该鸟类是鸵鸟

    决策树学习过程实际上是一个构造决策树的过程。当学习完成后,就可以利用这棵决策树对未知事物进行分类。



下一节:6.3.4ID3算法

返回《人工智能》慕课在线视频列表

人工智能课程列表:

1.绪论

-1.1人工智能的定义与发展

--人工智能的诞生

--定义

--发展

-1.2智能的本质

--人类智能

--人工的智能

--弱人工智能、强人工智能和超人工智能

-1.3人工智能各学派的认知观

--人工智能各学派的认知观

--AI的萌芽

-1.4人工智能的研究与应用领域

--AI在世界各国的重要地位

--AI的研究范围

--AI在中国

-图灵测试讨论

-资源推荐

--有趣的资源

-章节习题

2.知识表示

-2.1知识的基本概念

--2.1.1知识的层次

--2.1.2知识的属性

--2.1.3知识的分类

--2.1.4知识表示的基本概念

--2.1.5知识表示方法的分类

--2.1.6知识表示方法的衡量及特性

-2.2状态空间法

--人工智能中重点关注的两方面内容

--教师讲解:状态和算符

--2.2.2状态图示法

--2.2.3实例-八数码问题

--2.2.4实例-迷宫问题

--2.2.5实例-梵塔问题(三个盘)

--教师讲解:猴子与香蕉问题

--习题

-2.3问题归约法

--2.3.1问题规约的基本思想

--2.3.2问题规约法三个组成部分

--教师讲解:梵塔问题规约法描述

-2.4谓词逻辑法

--2.4.1谓词公式

--教师讲解:置换和合一

-章节习题

3.搜索推理技术

-3.1图搜索策略

--图搜索策略概述

-3.2盲目搜索策略

--教师讲解:盲目搜索

--教师讲解:八数码实例

-3.3启发式搜索策略

--教师讲解:启发式搜索

-3.4消解原理

--3.4.1消解(归结)推理概述

--3.4.2子句集的求取

--3.4.3消解演绎

-章节习题

4.计算智能

-4.1概述

--计算智能定义

-4.2神经网络

--4.2.1神经网络概述

--4.2.2人工神经元

--4.2.3人工神经网络的互联结构

--4.2.4BP网络模型

--4.2.5Hopfield网络模型

--教师讲解:神经网络-生物神经元

--教师讲解:神经网络-人工神经元

--教师讲解:神经网络-典型网络结构

--教师讲解:神经网络-学习方式和规则

-4.3进化计算

--4.3.1进化计算概述

--4.3.2遗传算法

--教师讲解:遗传算法教师讲解

--教师讲解:遗传算法实例求函数最大值

-4.4蚁群算法

--4.4.1蚁群算法概述

--教师讲解:蚁群算法

-4.5模拟退火算法

--教师讲解:模拟退火算法

-4.6博弈搜索策略

--教师讲解:博弈树

--教师讲解:剪枝

-章节习题

5.专家系统

-5.1专家系统概述

--5.1.1专家系统概念

--5.1.2专家系统的特点

--5.1.3专家系统的类型

-5.2专家系统结构

--5.2.1专家系统概念结构

--5.2.2专家系统实际结构

--5.2.3 网络与分布式结构

--5.4 黑板模型

-5.3专家系统的应用与发展概况

--5.3.1专家系统的意义

--5.3.2专家系统的应用

--5.3.3专家系统的发展概况

-5.4专家系统实例

--5.4.1 PROSPECTOR的功能与结构

--5.4.2 PROSPECTOR知识表示

6.机器学习

-6.1机器学习的基本概念

--6.1.1学习和机器学习

--6.1.2学习系统

--6.1.3机器学习的主要策略

-6.2记忆学习

--6.2.1记忆学习的概念

--6.2.1记忆学习的模型

-6.3归纳学习

--6.3.1归纳学习概念

--6.3.2示例学习

-- 6.3.3决策树学习

--6.3.4ID3算法

-6.4解释学习

--6.4.1解释学习基本概念

--6.4.2解释学习的基本原理

--6.4.3解释学习的基本过程

-6.5神经学习

--6.5.1神经学习的概念

--6.5.2感知器学习

--6.5.3BP网络学习

-章节习题

7.自然语言理解

-7.1自然语言理解概述

--7.1.1概述

--7.1.2语言与语言的理解

--7.1.3自然语言处理的概念与定义

--7.1.4自然语言处理的研究领域和意义

-7.2词法分析

--词法分析

-7.3句法分析

--句法模式匹配和转移网络

-7.4 统计语言建模

--7.4.1统计语言模型定义

--7.4.2N-gram模型

-7.5信息检索

--7.5.1信息检索概述

--7.5.2信息检索简史

--7.5.3信息检索模型

--7.5.4信息检索中的自然语言处理方法

6.3.3决策树学习笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。