基于clementine的数据挖掘指导(共29页).doc

精选优质文档-倾情为你奉上基于clementine的数据挖掘实验指导目 录clementine决策树分类模型一基于决策树模型进行分类的基本原理概念分类就是：分析输入数据，通过在训练集中的数据表现出来的特性，为每一个类找到一种准确的描述或者模型。由此生成的类描述用来对未来的测试数据进行分类。数据分类是一个两步过程:第一步，建立一个模型,描述预定的数据类集或概念集；第二步，使用模型进行分类。clementine 8.1中提供的回归方法有两种：C5.0（C5.0决策树）和Neural Net（神经网络）。下面的例子主要基于C5.0决策树生成算法进行分类。C5.0算法最早(20世纪50年代)的算法是亨特CLS(Concept Learning System)提出，后经发展由J R Quinlan在1979年提出了著名的ID3算法，主要针对离散型属性数据；C4.5是ID3后来的改进算法，它在ID3基础上增加了：