决策树和神经网络的区别
发布网友
发布时间：2023-03-31 20:51
共2个回答
热心网友
时间：2023-05-15 02:39
决策树方法决策树是一种常用的数据挖掘算法,它是从机器学习领域中逐渐发展起来的一种分类函数*近方法。[4]决策树是一种树形结构,决策树的结构类似于流程图,有方向性,并且它的每一个叶节点与子结点以外的内部节点都可以代表一条属性上的规则。在现实生活中,每个决策或事件的发生都有可能引起不同的事态发展,这种决策如果用有向的图形来表示,就是决策树。决策树的归纳、生成过程一般包括两步,第一步产生一棵决策树,第二步是修剪决策树,排除冗余的枝叶以生成简练的树。策树构造的时候不需要很多专业知识或设置参数,生成速度既快、准确性又高。决策树算法时常被应用在各个领域的分类工作中,商业应用中就经常使用决策树来对顾客或商品进行分类来生成消费规现在学者们更多地利用模糊数学或粗糙集理论等,来对决策树算法进行提高与完善。
2.
神经网络方法神经网络的说法来源于生物学上的神经网络。它模拟了生物的神经系统,将输入与输出的节点比喻为生物的神经系统中的神经元,是模拟生物的神经系统的结构和信息传递执行的方式来进行计算的一种算法。每个神经元都拥有感知(输入)和响(输出)的行为。神经网络神经网络的基本处理单元被称为神经元,大量的神经元互相连接形成网络,成为模拟生物的神经系统的模型。个神经网络能进行适应性计算并有一定的学习能力,是一个大规模非线性自适应系统。与其他数据挖掘方法不同,将神经网络技术用于数据挖掘,要解决好两个关键问题,一是降低训练时间。二是挖掘结果的可理解性。 acceptwwd 分享于2016-02-15 17:14:3.28 暂无简介 文档格式: .docx 文档页数: 2页 文档大小: 136.07K 文档热度: 文档分类: 待分类 系统标签: 神经决策网络分类根节点节点
热心网友
时间：2023-05-15 02:40
