点击此处返回
未登录用户
每日可免费学习1个教程
一休ppter
关注人数：626
1.spss软件概述-SPSS数据分析入门手册
2.spss数据处理基础1-SPSS数据分析入门手册
3.spss数据处理基础2-SPSS数据分析入门手册
4.spss数据处理基础3-SPSS数据分析入门手册
5.数据分析之数据来源-SPSS数据分析入门手册
6.调查统计的方式-SPSS数据分析入门手册
7.随机抽样的抽样方式-SPSS数据分析入门手册
8.数据调查方法-SPSS数据分析入门手册
9.调查问卷的设计-SPSS数据分析入门手册
10.问卷数据的录入与变量整理1-SPSS数据分析入门手册
11.问卷数据的录入与变量整理2-SPSS数据分析入门手册
12.问卷数据分析-SPSS数据分析入门手册
13.回归分析的基本概念-SPSS数据分析入门手册
14.一元回归分析-SPSS数据分析入门手册
15.多元回归分析-SPSS数据分析入门手册
16.逐步回归-SPSS数据分析入门手册
17.非线性回归-SPSS数据分析入门手册
18.综合案例-服装销量预测1-SPSS数据分析入门手册
19.综合案例-服装销量预测2-SPSS数据分析入门手册
20.综合案例-服装销量预测3-SPSS数据分析入门手册
21.哑变量的基本概念-SPSS数据分析入门手册
22.哑变量回归-SPSS数据分析入门手册
23.逻辑回归概述-SPSS数据分析入门手册
24.二元逻辑回归-SPSS数据分析入门手册
25.多项逻辑回归-SPSS数据分析入门手册
26.条件逻辑回归-SPSS数据分析入门手册
27.逻辑回归的综合案例 1-SPSS数据分析入门手册
28.逻辑回归的综合案例 2-SPSS数据分析入门手册
29.逻辑回归的综合案例 3-SPSS数据分析入门手册
30.逻辑回归的综合案例 4-SPSS数据分析入门手册
31.时间序列的成分-SPSS数据分析入门手册
32.平稳序列的预测1-SPSS数据分析入门手册
33.平稳序列的预测2-SPSS数据分析入门手册
34.趋势序列的预测1-SPSS数据分析入门手册
35.趋势序列的预测2-SPSS数据分析入门手册
36.多成分序列的预测1-SPSS数据分析入门手册
37.多成分序列的预测2-SPSS数据分析入门手册
38.时间序列预测的综合案例-SPSS数据分析入门手册
39.决策树模型的基本概念-SPSS数据分析入门手册
40.决策树常见算法介绍1-SPSS数据分析入门手册
41.决策树常见算法介绍2-SPSS数据分析入门手册
42.决策树过拟合问题解决方法-SPSS数据分析入门手册
43.实战案例-基于决策树的银行客户细分1-SPSS数据分析入门手册
44.实战案例-基于决策树的银行客户细分2-SPSS数据分析入门手册
45.算法的基本概念-SPSS数据分析入门手册
46.means聚类算法-SPSS数据分析入门手册
47.means模型实战-SPSS数据分析入门手册
48.系统聚类算法介绍-SPSS数据分析入门手册
49.类间距离的度量-SPSS数据分析入门手册
50.系统聚类模型实战-SPSS数据分析入门手册
51.knn近邻算法概述-SPSS数据分析入门手册
52.knn近邻算法拓展-SPSS数据分析入门手册
53.因子分析概述-SPSS数据分析入门手册
54.因子分析与主成分分析对比-SPSS数据分析入门手册
55.因子分析实战之体育成绩分析01-SPSS数据分析入门手册
56.因子分析实战之体育成绩分析02-SPSS数据分析入门手册
57.人工神经网络概述-SPSS数据分析入门手册
58.BP神经网络与RBF神经网络-SPSS数据分析入门手册
59.神经网络实战案例-SPSS数据分析入门手册
60.数据挖掘概述-SPSS数据分析入门手册
61.实战案例-消费者购买保健品动机1-SPSS数据分析入门手册
62.实战案例-消费者购买保健品动机2-SPSS数据分析入门手册
63.实战案例-消费者购买保健品动机3-SPSS数据分析入门手册
64.淘宝大卖家营销数据分析1-SPSS数据分析入门手册
65.淘宝大卖家营销数据分析2-SPSS数据分析入门手册
66.淘宝大卖家营销数据分析3-SPSS数据分析入门手册
67.淘宝大卖家营销数据分析4-SPSS数据分析入门手册
68.淘宝大卖家营销数据分析5-SPSS数据分析入门手册
69.汽车销量预测案例1-SPSS数据分析入门手册
70.汽车销量预测案例2-SPSS数据分析入门手册
71.汽车销量预测案例3-SPSS数据分析入门手册
72.住院费用影响因素挖掘1-SPSS数据分析入门手册
73.住院费用影响因素挖掘2-SPSS数据分析入门手册
74.住院费用影响因素挖掘3-SPSS数据分析入门手册
75.住院费用影响因素挖掘4-SPSS数据分析入门手册
那就开始今天的教程吧
1.本节课我们进行讲解ID3&C4.5决策树，信息熵增益率如图所示。
2.然后我们看一下过拟合问题，过度拟合跟定义如图所示。
3.接下来我们看一下产生过度拟合数据问题的原因有哪些？【样本问题】【构建决策树的方法问题】。
4.然后看一下如何解决过度拟合数据问题？首先看解决样本问题方法是合理、有效地抽样，用相对能够反映业务逻辑的训练集去产生决策树，解决构建决策树的方法问题的方法是剪枝：提前停止树的增长或者对已经生成的树按照一定的规则进行后剪枝。
5.前剪枝与后剪枝，剪枝是一个简化过拟合决策树的过程，有两种减值方法首先是先剪枝。
70000+教程，每天免费学一课
打开APP，离线免流量
