问题标签 [decision-tree]

有谁知道如何用 R 计算决策树的错误率？我正在使用该rpart()功能。

是否可以提取拟合rpart树的节点分配？当我将模型应用于新数据时会怎样？

这个想法是我想使用节点作为集群数据的一种方式。在其他包（例如 SPSS）中，我可以保存预测的类、概率和节点号以供进一步分析。

鉴于 R 有多么强大，我想有一个简单的解决方案。

我有处理神经网络的经验，特别是反向传播性质的神经网络，我知道在传递给训练器的输入中，输入之间的依赖关系是引入隐藏层时生成的模型知识的一部分。

决策网络也是如此吗？

我发现有关这些算法（ID3）等的信息有些难以找到。我已经能够找到实际的算法，但是诸如预期/最佳数据集格式和其他概述之类的信息很少。

谢谢。

我正在研究数据挖掘，更准确地说，是决策树。

我想知道是否有多种算法来构建决策树（或只有一个？），哪个更好，基于标准，例如

• 表现
• 复杂
• 决策失误
• 和更多。

我正在寻找一个 Java 库，它不仅可以使用 ID3 或 C4.5 算法构建决策树，还可以以某种合适的格式存储新构建的树。问题是我打算使用决策树引擎作为某种用户需求推断系统，即在使用训练数据生成决策树之后，我想给它输入（来自用户的数据）并将输出用作给用户的建议。简单地说，我只是不想能够遍历生成的树并根据输入数据集得到结果。我还想不仅构建二叉决策树，而且还想为每个父节点构建具有可变数量的子节点的树（这意味着某些节点可能有两个子节点，有些节点可能有三个，这都取决于父节点中检查的属性值）。我刚开始使用决策树，在这个领域没有太多经验。我使用谷歌搜索，开始查看 WEKA，但我不确定它是否满足我的要求。任何指导都会有很大帮助。提前致谢！

我正在对不同的数据挖掘技术进行一些研究，并遇到了一些我无法弄清楚的事情。如果有人有任何想法，那就太好了。

在哪些情况下使用决策树更好，而在其他情况下使用朴素贝叶斯分类器更好？

为什么在某些情况下使用其中之一？而另一个在不同的情况下？（通过查看其功能，而不是算法）

有人对此有一些解释或参考吗？

这是一个非常基本的例子。但是我正在做一些数据分析，并且不断发现自己正在编写非常相似的 SQL 计数查询来生成概率表。

我的表被定义为值 0 表示事件没有发生，而值 1 表示事件确实发生了。

在上面的例子中，我的预测变量是C_O_Above_prevHigh，C_O_Below_prevLow我的结果变量是E_halfGap。有几种情况可能会有更多的预测变量，例如Time

而不是执行上述操作并手动输入具有不同排列的所有查询，R 或其他一些应用程序中是否有任何可用的东西：

1）根据我的预测器输出潜在的概率路径？2）允许我选择如何分割路径

感谢您的意见。

我正在寻找更多关于使用 SAS Enterprise Miner 自动生成决策树的信息。

我正在寻找做出哪些类型的决策以及示例决策树及其每个组件的基本含义。

如果有人对此有一些有用的信息，很高兴听到它。

我从生成这样的决策树开始构建我的专家系统：决策树： http: //obrazki.elektroda.pl/6125718100_1336340563.png

我用PC-Shell搭建专家系统，主要代码如下：

ETC...

那么人工智能在哪里呢？它不是像基于文本的游戏一样工作，您可以在其中回答并最终得到结果吗？在这个例子中将如何进行推理（向前和向后）？

我正在研究数据的二进制分类，我想知道在决策树和自适应提升算法上使用支持向量机的优缺点。