下载文档原格式
1.某厂对一部分职工重新分配工作，分配原则是：
⑴年龄不满20岁，文化程度是小学者脱产学习，文化程度是中学者当电工；
⑵年龄满20岁但不足50岁，文化程度是小学或中学者，男性当钳工，女性当车工；文化程度是大专者，当技术员。
⑶年龄满50岁及50岁以上，文化程度是小学或中学者当材料员，文化程度是大专者当技术员。
要求：做出决策表。
2、试画出某企业库存量监控处理的判断树。
若库存量≤0，按缺货处理；若库存量≤库存下限，按下限报警处理；若库存量＞库存下限，而又≤储备定额，则按订货处理；若库存量＞库存下限，而又＞储备定额，则按正常处理；若库存量≥库存上限，又＞储备定额，则按上限报警处理。
3某货运站收费标准如下：
若收件地点在本省，则快件6元／公斤，慢件4元／公斤；
若收件地点在外省，则在25公斤以内（包括25公斤），快件8元／公斤，慢件6元／公斤；而超过25公斤时，快件10元／公斤，慢件8元／公斤；
画出决策表和决策树：
决策表：
优化后的结果如下所示：
决策树：
收费
本省
外省快件
慢件
快件
慢件
≤25斤
>25斤
≤25斤
>25斤
6元
4元
8元
10元
6元
8元
地点规格重量收费金额。
回归问题的决策树题目和解答（原创实用版）目录1.决策树的基本概念2.回归问题的决策树3.决策树的构建过程4.决策树的应用实例5.决策树的优缺点正文一、决策树的基本概念决策树是一种基本的分类和回归方法，通过将数据集分成许多子集，每个子集对应一个决策节点，直到最终得到叶子节点为止。
决策树可以分为分类决策树和回归决策树。
分类决策树主要用于分类问题，而回归决策树主要用于回归问题。
二、回归问题的决策树回归决策树主要用于解决回归问题，即预测一个连续值的问题。
在回归问题中，决策树的每个内部节点表示一个特征，每个分支表示一个决策规则，而叶子节点表示预测结果。
通过组合不同特征的预测结果，可以得到最终的回归预测值。
三、决策树的构建过程决策树的构建过程主要包括以下步骤：1.特征选择：从训练数据集中选择一个最佳特征进行划分。
最佳特征的选择可以采用信息增益、增益率、基尼指数等方法。
2.决策树生成：根据选择的特征和其对应的阈值，将训练数据集划分成不同的子集，然后对每个子集递归地重复步骤 1，直到满足停止条件（如所有样本属于同一类别、没有可选特征等）。
3.决策树剪枝：为了避免过拟合，需要对决策树进行剪枝。
剪枝方法包括预剪枝和后剪枝。
预剪枝是在构建过程中提前停止树的生长，后剪枝是在构建完整的决策树后进行简化。
四、决策树的应用实例决策树在许多领域都有广泛应用，如金融、医疗、教育、市场营销等。
例如，在房价预测中，可以使用决策树根据房屋的面积、卧室数量、距离市中心的距离等特征来预测房价。
五、决策树的优缺点1.优点：（1）易于理解和解释；（2）具有较高的预测准确性；（3）能够处理连续值和类别值；（4）可以处理缺失值。
