乳腺癌数据分析，乳腺癌数据挖掘决策树实验报告

决策树之ID3算法及其Python实现

1、ID3算法是一种基于信息增益属性选择的决策树学习方法。核心思想是：通过计算属性的信息增益来选择决策树各级节点上的分裂属性，使得在每一个非叶子节点进行测试时，获得关于被测试样本最大的类别信息。

2、由于ID3算法只能用于标称型数据，因此用在对连续型的数值数据上时，还需要对数据进行离散化，离散化的方法稍后说明，此处为了简化，先使用每一种特征所有连续性数值的中值作为分界点，小于中值的标记为1，大于中值的标记为0。

3、采用ID3算法。根据查询人工智能相关信息得知，人工智能算法采用ID3算法更新记录决策树。决策树的生成，采用ID3算法（也包含了C5算法），使用python实现，更新了tree的保存和图示。

数据挖掘分类方法决策树可以分多类么

决策树标签分成10类的方法是：使用决策树构建然后对决策树进行节点分割来分为10类 步骤1：将所有的数据看成是一个节点，进入步骤2。

在决策树学习中，为了尽可能正确分类训练样本，结点划分过程将不断重复，这样才能够使用决策树解决很多的问题。

由于KNN方法主要依靠周围有限的临近样本，而不是依靠判别类域的方法来确定样本所属类别。

分类挖掘方法主要利用决策树进行分类，是一种高效且在数据挖掘方法中占有重要地位的挖掘方法。

决策树法决策树在解决归类与预测上有着极强的能力，它以法则的方式表达，而这些法则则以一连串的问题表示出来，经由不断询问问题最终能导出所需的结果。

主要的分类方法：决策树、KNN 法 (K-Nearest Neighbor)、SVM 法、VSM 法、Bayes 法、神经网络等。

什么是决策树?为什么要用决策树?

1、决策树是一种图解法。决策树（DecisionTree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。

2、决策树建立并用来辅助决策，是一种特殊的树结构。决策树是一个利用像树一样的图形或决策模型的决策支持工具，包括随机事件结果，资源代价和实用性。它是一个算法显示的方法。

3、决策树是用二叉树形图来表示处理逻辑的一种工具。可以直观、清晰地表达加工的逻辑要求。特别适合于判断因素比较少、逻辑组合关系不复杂的情况。决策树提供了一种展示类似在什么条件下会得到什么值这类规则的方法。

4、是一项分析技术。 决策树是用图形方式描述正在考虑中的某项决策以及选择这个或那个备选方案的潜在后果，在将来的某些情景或行动后果不确定时采用。

5、决策树模型是运用于分类以及回归的一种树结构。决策树由节点和有向边组成，一般一棵决策树包含一个根节点、若干内部节点和若干叶节点。

...跟数据挖掘,决策树,ID3算法有关的中英文翻译都可以

决策树的学习算法，比如id3算法，选用最小信息熵作为启发式信息。A Water-Flow Heuristic Algorithm to Euclid TSP.水流启发式算法求解Euclid TSP。

ID3后来增强版叫C5，即分类与回归树，或CART——一种相对新的且流行的非参数分析技术，它在这些算法之后得到应用。另一个与CATR同样流行的决策树技术叫CHAID或卡方自动互动检视法 。

ID3是最早提出的决策树算法。ID3算法的核心是在决策树各个节点上根据 信息增益 来选择进行划分的特征，然后递归地构建决策树。

在上图的基础上，再递归使用这个方法计算子节点的分裂属性，最终就可以得到整个决策树。但是ID3算法中还存在着一些不足之处：ID3没有考虑连续特征，比如长度，密度都是连续值，无法在ID3运用。这大大限制了ID3的用途。

关于数据挖掘中决策树的知识

1、决策树算法是一种比较简易的监督学习分类算法，既然叫做决策树，那么首先他是一个树形结构，简单写一下树形结构(数据结构的时候学过不少了)。

2、数据挖掘中决策树是一种经常要用到的技术，可以用于分析数据，同样也可以用来作预测。从数据产生决策树的机器学习技术叫做决策树学习， 通俗说就是决策树。

3、决策树是数据挖掘中最重要且最常用的方法之一，主要应用于数据挖掘中的分类和预测。决策树是知识的一种呈现方式，决策树中从顶点到每个结点的路径都是一条分类规则。

4、决策树算法主要用于数据挖掘和机器学习，数据挖掘就是从海量数据中找出规律。一个有名的例子就是啤酒和尿布的例子，这是数据挖掘的典型。

什么是决策树

1、决策树是一种常用的机器学习算法，主要用于解决分类和回归问题。决策树通过构建一个树形结构的模型来进行决策。它基于输入特征的不同取值，将数据集逐步分割成不同的子集，直到达到预定的终止条件。

2、周末学习知识点。何为决策树？你在任何一个场合或者任何一个时间中只要有纸和笔在你需要作出选择的时候，就可以通过画上几笔分析图，帮你做出当下更好的选择。

3、决策树是用二叉树形图来表示处理逻辑的一种工具。可以直观、清晰地表达加工的逻辑要求。特别适合于判断因素比较少、逻辑组合关系不复杂的情况。决策树提供了一种展示类似在什么条件下会得到什么值这类规则的方法。

4、决策树法的几个关键步骤是：画出决策树，画决策树的过程也就是对未来可能发生的各种事件进行周密思考、预测的过程，把这些情况用树状图表示出来．先画决策点，再找方案分枝和方案点．最后再画出概率分枝。

5、领导干部管理决策示意图。像树一样。主要内容由若干步骤，像主干，每个步骤又有若干分步骤，像枝杈，所以称为决策树。

6、决策树的适用范围：科学的决策是现代管理者的一项重要职责。我们在企业管理实践中，常遇到的情景是：若干个可行性方案制订出来了，分析一下企业内、外部环境，大部分条件是己知的，但还存在一定的不确定因素。