Дерево принятия решений

Область применения деревья решений в настоящее время широка, но все задачи, решаемые этим аппаратом могут быть объединены в следующие три класса:
описание данных: "деревья решений" позволяют хранить информацию о данных в компактной форме, вместо них мы можем хранить дерево решений, которое содержит точное описание объектов;
классификация: "деревья решений" отлично справляются с задачами классификации, т.е. отнесения объектов к одному из заранее известных классов. Целевая переменная должна иметь дискретные значения;
регрессия: если целевая переменная имеет непрерывные значения, "деревья решений" позволяют установить зависимость целевой переменной от независимых (входных) переменных. Например, к этому классу относятся задачи численного прогнозирования (предсказания значений целевой переменной).

Введение
3
1
Деревья классификации и регрессии
4
2
Описание структуры деревьев решений
4

2.1
Общие сведения о выборках данных
5

2.2
Деревья решений
6

2.3
Способы проверки условий
8

2.4
Листовые узлы и переменные отклика
10
3
Классификация и регрессия
11
4
Формирование дерева
12

4.1
Описание алгоритма рекурсивного секционирования
13

4.2
Разбиение наборов данных
14
5
Процедура обучения
16

5.1
Управление набором данных
17

5.2
Отсечение ребер
18

5.3
Конгломерация и усиление
19
Заключение
20
Список литературы