决策树计算题

注意答卷要求：1．统一代号： P 为利润， C 为成本， Q为收入， EP为期望利润2．画决策树时一定按照标准的决策树图形画，不要自创图形3．决策点和状态点做好数字编号4．决策树上要标出损益值某企业似开发新产品，现在有两个可行性方案需要决策。

I 开发新产品 A ，需要追加投资 180 万元，经营期限为 5 年。

此间，产品销路好可获利 170 万元；销路一般可获利 90 万元；销路差可获利 -6 万元。

三种情况的概率分别为 30%，50%， 20%。

II.开发新产品 B，需要追加投资 60 万元，经营期限为 4 年。

此间，产品销路好可获利100 万元；销路一般可获利50 万元；销路差可获利20 万元。

三种情况的概率分别为 60%，30%， 10%。

（ 1）画出决策树销路好0.3170销路一般0.5290销路差0.1-6开发产品A1销路好0.6100开发产品B销路一般0.3350销路差0.120（ 2）计算各点的期望值，并做出最优决策求出各方案的期望值：方案 A=170×0.3 ×5+90×0.5 ×5+(-6) ×0.2×5=770(万元 ) 方案 B=100×0.6 ×4+50×0.3×4+20×0.1 ×4=308(万元 ) 求出各方案的净收益值：方案 A=770-180=590(万元 )方案 B=308-60=248(万元 )因为 590 大于 248 大于 0所以方案 A 最优。

某企业为提高其产品在市场上的竞争力，现拟定三种改革方案：（ 1）公司组织技术人员逐渐改进技术，使用期是 10 年；（ 2）购买先进技术，这样前期投入相对较大，使用期是 10 年；（3）前四年先组织技术人员逐渐改进，四年后再决定是否需要购买先进技术，四年后买入技术相对第一年便宜一些，收益与前四年一样。

欢迎共阅
决策树作业题
公司拟建一预制构件厂，一个方案是建大厂，需投资300万元，建成后如销路好每年可获利100万元，如销路差，每年要亏损20万元，该方案的使用期均为10年；另一个方案是建小厂，需投资170万元，建成后如销路好，每年可获利40万元，如销路差每年可获利30万元；若建小厂，则考虑在销路好的情况下三年以后再扩建，扩建投资130万元，可使用七年，每年盈利85万元。

假设前3年销路好的概率是0.7，销路差的概率是0.3，后7年的销路情况完全取决于前3年；为了适应市场的变
继续生产
产7
1.万元。

两
案。

（2
（3
比较节点②与节点③的期望收益值可知，大规模投资方案优于小规模投资方案，故应选择大规模投资方案，用符号“//”在决策树上“剪去”被淘汰的方案。

2.某项目有两个备选方案A和B，两个方案的寿命期均为10年，生产的产品也完全相同，但投资额
及年净收益均不相同。

A方案的投资额度为500万元，其年净收益在产品销售好时为150万元，销售差时为50万元；B方案的投资额度为300万元，其年净收益在产品销售好时为100万元，销售差时为10万元，根据市场预测，在项目寿命期内，产品销路好时的可能性为70%，销路差的可能
欢迎共阅
性为30%
，试根据以上资料对方案进行比较。

3170
) 点② 决策树图示。

盈亏平衡分析某建筑工地需抽除积水保证施工顺利进行，现有A 、B 两个方案可供选择。

A 方案：新建一条动力线，需购置一台电动机并线运转，其投资为1400元，第四年末残值为200元，电动机每小时运行成本为元，每年预计的维护费用120元，因设备完全自动化无需专人看管。

B 方案：购置一台的（5马力）柴油机，其购置费用为550元，使用寿命为4年，设备无残值。

运行每小时燃料费为元，平均每小时维护费为元，每小时的人工成本为元。

若寿命都为4年，基准折现率为10％，试比较A 、B 方案的优劣。

解：两方案的总费用都与年开机小时数t 有关，故两方案的年成本均可表示t 的函数。

)4%,10,/(200)4%,10,/(1400F A P A C A -=t t 84.056.51884.0120+=++t P A C B )8.015.042.0()4%,10,/(550+++=t 37.151.175+=令C A =C B ，即+=+可解出：t =651(h),所以在t =651h 这一点上，C A =C B =（元）A 、B 两方案的年成本函数如图13所示。

从图中可见，当年开机小时数低于651h ，选B 方案有利；当年开机小时数高于651h 则选A 方案有利。

决策树问题 55.某建筑公司拟建一预制构件厂，一个方案是建大厂，需投资300万元，建成后如销路好每年可获利100万元，如销路差，每年要亏损20万元，该方案的使用期均为10年；另一个方案是建小厂，需投资170万元，建成后如销路好，每年可获利40万元，如销路差每年可获利30万元；若建小厂，则考虑在销路好的情况下三年以后再扩建，扩建投资130万元，可使用七年，每年盈利85万元。

假设前3年销路好的概率是，销路差的概率是，后7年的销路情况完全取决于前3年；试用决策树法选择方案。

决策树图示考虑资金的时间价值，各点益损期望值计算如下：点①：净收益＝[100×(P/A，10％，10)×+(-20)×（P/A，10％，10）×]-300=(万元)点③：净收益＝85×(P/A，10％，7)×=(万元)点④：净收益＝40×(P/A，10％，7)×=(万元)可知决策点Ⅱ的决策结果为扩建，决策点Ⅱ的期望值为+＝（万元）点②:净收益＝（+）×+40×(P/A，10％，3)×+30×(P/A，10％，10)×＝（万元）由上可知，最合理的方案是先建小厂，如果销路好，再进行扩建。

决策树id3算法例题决策树ID3算法是一种常用的分类算法，用于根据已知的一组特征和标签数据，构建一个决策树模型来进行分类预测。

下面我将以一个示例来介绍决策树ID3算法的基本步骤和过程。

假设我们想要构建一个决策树模型来帮助我们判断一个人是否会购买一款新的智能手机。

我们已经收集了一些关于个体的特征数据和对应的购买结果数据，包括性别、年龄、收入和是否购买。

首先，我们需要计算每个特征对于分类结果的信息增益。

信息增益是指通过使用某个特征来对数据进行分类，所能获得的关于数据的新的信息量。

计算信息增益的公式如下：信息增益 = 熵(D) - ∑(Dv/D) * 熵(Dv)其中，熵(D)表示数据集D的混乱程度，熵的计算公式为：熵(D) = - ∑(pi * log2(pi))Dv表示特征A的某个取值，D表示数据集D的标签集合，pi表示标签i在数据集D中的比例。

我们首先计算整个数据集的熵D，然后计算每个特征的条件熵，最后将它们相加得到信息增益。

选择信息增益最大的特征作为当前节点的划分特征。

接下来，我们根据选择的特征将数据集划分成不同的子集。

每个子集都对应一个特征值的取值，例如性别特征可能有男和女两个取值。

我们对每个子集重复上述过程，以递归的方式构建子树。

在每个子树中，我们需要选择一个特征进行划分。

如果所有的特征都已经使用完毕，或者剩余的数据集已经完全属于同一类别，那么我们停止划分，将当前节点标记为叶节点，并将最常见的类别作为该节点的预测结果。

否则，我们选择信息增益最大的特征作为当前节点的划分特征，并继续递归构建子树。

最终，我们得到了一个完整的决策树模型。

我们可以使用该模型来对新的个体进行分类预测。

从根节点开始，根据个体的特征值选择相应的子节点，直到到达叶节点，将叶节点的预测结果作为最终的分类结果。

在本示例中，决策树模型可能会根据最佳特征先根据性别划分，接着根据年龄划分，最后根据收入划分。

我们可以根据决策树模型将一个新的个体划分到某个叶节点，并预测其是否会购买手机。

ID3决策树算法例题简介决策树是一种常见的机器学习算法，用于解决分类和回归问题。

其中，ID3（Iterative Dichotomiser 3）决策树算法是最早被提出的决策树算法之一。

本文将以一个例题为例，深入探讨ID3决策树算法的原理和应用。

例题描述假设我们要根据以下特征来判断一个水果是苹果还是橘子： 1. 颜色：红、橙 2. 直径：大、中等、小 3. 纹理：平滑、凹凸我们已经收集到了一些水果的样本数据，如下所示：编号颜色直径纹理类别1 红大平滑苹果2 红大凹凸苹果3 橙大平滑橘子4 橙小平滑橘子5 红中等平滑苹果我们希望构建一个决策树模型，通过输入颜色、直径和纹理这3个特征，能够预测水果的类别。

ID3决策树算法原理ID3决策树算法的核心思想是选择每次划分时信息增益最大的特征作为决策节点。

它采用自顶向下的贪心策略，递归地构建决策树。

下面详细介绍ID3算法的原理。

1. 计算信息熵首先，我们需要计算每个特征的信息熵，以此来衡量特征对分类结果的纯度影响。

信息熵的计算公式如下：H (D )=−∑p i Ni=1log 2p i其中，H (D )表示数据集D 的信息熵，N 表示类别的个数，p i 表示类别i 在数据集D 中的比例。

2. 计算信息增益接下来，对于每个特征A ，我们需要计算其信息增益Gain (D,A )。

信息增益是指特征A 对于数据集D 的纯度提升程度，计算公式如下：Gain (D,A )=H (D )−∑|D v ||D |Vv=1H (D v ) 其中，V 表示特征A 的取值个数，D v 表示特征A 取值为v 的样本子集。

3. 选择最佳划分特征根据计算得到的信息增益，选择信息增益最大的特征作为决策节点。

4. 递归构建决策树将选择的特征作为决策节点，以该特征的不同取值作为分支，递归地构建决策树。

计算步骤根据上面的原理，我们来逐步计算示例中的决策树。

1. 计算初始数据集的信息熵H (D )根据表格中的数据，我们可以计算出初始数据集的信息熵H (D )，其中苹果出现的概率为35，橘子出现的概率为25。

【决策树习题练习（答案）】决策树习题练习答案 1.某投资者预投资兴建一工厂，建设方案有两种：①大规模投资300万元；②小规模投资160万元。

两个方案的生产期均为10年，其每年的损益值及销售状态的规律见表15。

试用决策树法选择最优方案。

表1 各年损益值及销售状态销售状态概率损益值（万元/年）大规模投资小规模投资销路好 0.7 100 60 销路差 0.3 -20 20 【解】（1）绘制决策树，见图1；100×10 -20×10 60×10 20×10 销路好0.7 销路差（0.3）销路好0.7 销路差（0.3）大规模小规模 340 340 320 2 3 1 图1 习题1决策树图（2）计算各状态点的期望收益值节点②：节点③：将各状态点的期望收益值标在圆圈上方。

（3）决策比较节点②与节点③的期望收益值可知，大规模投资方案优于小规模投资方案，故应选择大规模投资方案，用符号“//”在决策树上“剪去”被淘汰的方案。

2.某项目有两个备选方案A和B，两个方案的寿命期均为10年，生产的产品也完全相同，但投资额及年净收益均不相同。

A方案的投资额为500万元，其年净收益在产品销售好时为150万元，，销售差时为50万元；B方案的投资额为300万元，其年净收益在产品销路好时为100万元，销路差时为10万元，根据市场预测，在项目寿命期内，产品销路好时的可能性为70%,销路差的可能性为30％，试根据以上资料对方案进行比选。

已知标准折现率ic=10%。

【解】（1）首先画出决策树 150 50 100 10 销路好0.7 销路差0.3 销路好0.7 销路差0.3 -500 -300 2 3 1 图2 决策树结构图此题中有一个决策点，两个备用方案，每个方案又面临着两种状态，因此可以画出其决策树如图18。

（2）然后计算各个机会点的期望值机会点②的期望值＝150（P/A,10%,10）×0.7+(-50)（P/A,10%,10）×0.3=533(万元) 机会点③的期望值＝100（P/A,10%,10）×0.7+10（P/A,10%,10）×0.3=448.5(万元) 最后计算各个备选方案净现值的期望值。

计算题一 1.为生产甲产品，小行星公司设计了两个基本方案：一是建大工厂，二是建小工厂。

如果销路好，3年以后考虑扩建。

建大工厂需投资300万元，建小工厂需投资160万元，3年后扩建另需投资140万元。

扩建后可使用7年，其年度损益值与大工厂相同。

每种自然状态的预测概率及年度损益值如下表：前 3 年后 7 年根据上述资料试用决策树法做出决策。

四、计算题（15分）答：建大厂收益=581-300=281建小厂收益=447-160=287所以应选择建小厂方案。

二山姆公司的生产设备已经落后，需要马上更新。

公司有人认为，目前产品销路增长，应在更新设备的同时扩大再生产的规模。

但也有人认为，市场形势尚难判断，不如先更新设备，3年后再根据形势变化考虑扩大再生产的规模问题。

这样，该公司就面临着两个决策方案。

决策分析的有关资料如下：A、现在更新设备，需投资35万元， 3年后扩大生产规模，另需投资40万元。

B、现在更新设备的同时扩大再生产的规模，需投资60万元。

C、现在只更新设备，在销售情况良好时，每年可获利6万元；在销售情况不好时，每年可获利4、5万元。

D、如果现在更新与扩产同时进行，若销售情况好，前3年每年可获利12万元；后7年每年可获利15万元；若销售情况不好，每年只获利3万元。

E、每种自然状态的预测概率如下表前 3 年后 7 年根据上述资料试用决策树法做出决策。

答案：结点7收益值=0、85×7 × 15+0、15 ×7 ×3=92、4（万元）结点8收益值=0、85×7 ×6+0、15 ×7 ×4、5=40、4（万元）结点9收益值=0、1×7 × 15+0、9 ×7 ×3=29、4（万元）结点10收益值=0、1×7 × 6+0、9 ×7 ×4、5=32、6（万元）结点1收益值=0、7×[52、4+（3 × 6）]+0、3 ×[32、6+（3 × 4、5）]=63、1（万元）结点2收益值=0、7×[92、4+（3 × 12）]+0、3 ×[29、4+（3 × 3）]=101、4（万元）答：用决策树法进行决策应选择更新扩产方案，可获得收益41、4万元。

决策树习题练习（答案）决策树习题练习答案1.某投资者预投资兴建一工厂，建设方案有两种：①大规模投资300万元；②小规模投资160万元。

两个方案的生产期均为10年，其每年的损益值及销售状态的规律见表15。

试用决策树法选择最优方案。

表1 各年损益值及销售状态销售状态概率损益值（万元/年）大规模投资小规模投资销路好 0.7100 60 销路差 0.3 -2020【解】（1）绘制决策树，见图1；100×10 -20×10 60×1020×10 销路好0.7 销路差（0.3）销路好0.7 销路差（0.3）大规模小规模 340 340 3202 31 图1 习题1决策树图（2）计算各状态点的期望收益值节点②：节点③：将各状态点的期望收益值标在圆圈上方。

（3）决策比较节点②与节点③的期望收益值可知，大规模投资方案优于小规模投资方案，故应选择大规模投资方案，用符号“//”在决策树上“剪去”被淘汰的方案。

2.某项目有两个备选方案A和B，两个方案的寿命期均为10年，生产的产品也完全相同，但投资额及年净收益均不相同。

A方案的投资额为500万元，其年净收益在产品销售好时为150万元，，销售差时为50万元；B方案的投资额为300万元，其年净收益在产品销路好时为100万元，销路差时为10万元，根据市场预测，在项目寿命期内，产品销路好时的可能性为70%,销路差的可能性为30％，试根据以上资料对方案进行比选。

已知标准折现率ic=10%。

【解】（1）首先画出决策树150 5010010 销路好0.7 销路差0.3 销路好0.7 销路差0.3 -500 -3002 31 图2 决策树结构图此题中有一个决策点，两个备用方案，每个方案又面临着两种状态，因此可以画出其决策树如图18。

（2）然后计算各个机会点的期望值机会点②的期望值＝150（P/A,10%,10）×0.7+(-50)（P/A,10%,10）×0.3=533(万元) 机会点③的期望值＝100（P/A,10%,10）×0.7+10（P/A,10%,10）×0.3=448.5(万元) 最后计算各个备选方案净现值的期望值。

计算题一 1.为生产甲产品，小行星公司设计了两个基本方案：一是建大工厂，二是建小工厂。

如果销路好，3年以后考虑扩建。

建大工厂需投资300万元，建小工厂需投资160万元，3年后扩建另需投资140万元。

扩建后可使用7年，其年度损益值与大工厂相同。

每种自然状态的预测概率及年度损益值如下表：前 3 年后 7 年根据上述资料试用决策树法做出决策。

四、计算题（15分）答：建大厂收益=581-300=281建小厂收益=447-160=287所以应选择建小厂方案。

二山姆公司的生产设备已经落后，需要马上更新。

公司有人认为，目前产品销路增长，应在更新设备的同时扩大再生产的规模。

但也有人认为，市场形势尚难判断，不如先更新设备，3年后再根据形势变化考虑扩大再生产的规模问题。

这样，该公司就面临着两个决策方案。

决策分析的有关资料如下：A、现在更新设备，需投资35万元， 3年后扩大生产规模，另需投资40万元。

B、现在更新设备的同时扩大再生产的规模，需投资60万元。

C、现在只更新设备，在销售情况良好时，每年可获利6万元；在销售情况不好时，每年可获利4、5万元。

D、如果现在更新与扩产同时进行，若销售情况好，前3年每年可获利12万元；后7年每年可获利15万元；若销售情况不好，每年只获利3万元。

E、每种自然状态的预测概率如下表前 3 年后 7 年根据上述资料试用决策树法做出决策。

答案：结点7收益值=0、85×7 × 15+0、15 ×7 ×3=92、4（万元）结点8收益值=0、85×7 ×6+0、15 ×7 ×4、5=40、4（万元）结点9收益值=0、1×7 × 15+0、9 ×7 ×3=29、4（万元）结点10收益值=0、1×7 × 6+0、9 ×7 ×4、5=32、6（万元）结点1收益值=0、7×[52、4+（3 × 6）]+0、3 ×[32、6+（3 × 4、5）]=63、1（万元）结点2收益值=0、7×[92、4+（3 × 12）]+0、3 ×[29、4+（3 × 3）]=101、4（万元）答：用决策树法进行决策应选择更新扩产方案，可获得收益41、4万元。

决策树id3算法例题经典一、决策树ID3算法例题经典之基础概念决策树ID3算法就像是一个超级聪明的小侦探，在数据的世界里寻找线索。

它是一种用来分类的算法哦。

比如说，我们要把一群小动物分成哺乳动物和非哺乳动物，就可以用这个算法。

它的基本思想呢，就是通过计算信息增益来选择特征。

就好比是在一堆乱糟糟的东西里，先找到那个最能区分开不同类别的特征。

比如说在判断小动物的时候，有没有毛发这个特征可能就很关键。

如果有毛发，那很可能就是哺乳动物啦。

二、经典例题解析假设我们有这样一个数据集，是关于一些水果的。

这些水果有颜色、形状、是否有籽等特征，我们要根据这些特征来判断这个水果是苹果、香蕉还是橙子。

首先看颜色这个特征。

如果颜色是红色的，那可能是苹果的概率就比较大。

但是仅仅靠颜色可不够准确呢。

这时候就需要计算信息增益啦。

通过计算发现，形状这个特征对于区分这三种水果的信息增益更大。

比如说圆形的可能是苹果或者橙子，弯弯的可能就是香蕉啦。

再考虑是否有籽这个特征。

苹果和橙子有籽，香蕉没有籽。

把这个特征也加入到决策树的构建当中，就可以更准确地判断出到底是哪种水果了。

三、决策树ID3算法的优缺点1. 优点这个算法很容易理解，就像我们平常做选择一样，一步一步来。

它的结果也很容易解释，不像有些复杂的算法，结果出来了都不知道怎么回事。

它不需要太多的计算资源，对于小数据集来说，速度很快。

就像小马拉小车，轻松就能搞定。

2. 缺点它很容易过拟合。

就是在训练数据上表现很好，但是一到新的数据就不行了。

比如说我们只根据训练数据里的几个苹果的特征构建了决策树，新的苹果稍微有点不一样，就可能判断错了。

它只能处理离散型的数据。

如果是连续型的数据，就需要先进行离散化处理，这就多了一道工序，比较麻烦。

四、实际应用场景1. 在医疗领域，可以用来判断病人是否患有某种疾病。

比如说根据病人的症状、年龄、性别等特征来判断是否得了感冒或者其他疾病。

就像医生的小助手一样。

盈亏平衡分析某建筑工地需抽除积水保证施工顺利进行,现有A 、B 两个方案可供选择。

A 方案:新建一条动力线,需购置一台2、5W 电动机并线运转,其投资为1400元,第四年末残值为200元,电动机每小时运行成本为0、84元,每年预计的维护费用120元,因设备完全自动化无需专人瞧管。

B 方案:购置一台3、86KW 的(5马力)柴油机,其购置费用为550元,使用寿命为4年,设备无残值。

运行每小时燃料费为0、42元,平均每小时维护费为0、15元,每小时的人工成本为0、8元。

若寿命都为4年,基准折现率为10％,试比较A 、B 方案的优劣。

解:两方案的总费用都与年开机小时数t 有关,故两方案的年成本均可表示t 的函数。

)4%,10,/(200)4%,10,/(1400F A P A C A -=t t 84.056.51884.0120+=++ t P A C B )8.015.042.0()4%,10,/(550+++=t 37.151.175+=令C A =C B ,即518、56+0、84t=173、51+1、37t可解出:t =651(h),所以在t =651h 这一点上,C A =C B =1065、4(元)A 、B 两方案的年成本函数如图13所示。

从图中可见,当年开机小时数低于651h,选B 方案有利;当年开机小时数高于651h 则选A 方案有利。

图13 A 、B 方案成本函数曲线决策树问题55.某建筑公司拟建一预制构件厂,一个方案就是建大厂,需投资300万元,建成后如销路好每年可获利100万元,如销路差,每年要亏损20万元,该方案的使用期均为10年;另一个方案就是建小厂,需投资170万元,建成后如销路好,每年可获利40万元,如销路差每年可获利30万元;若建小厂,则考虑在销路好的情况下三年以后再扩建,扩建投资130万元,可使用七年,每年盈利85万元。

假设前3年销路好的概率就是0、7,销路差的概率就是0、3,后7年的销路情况完全取决于前3年;试用决策树法选择方案。

决策树实例计算计算题⼀ 1.为⽣产甲产品，⼩⾏星公司设计了两个基本⽅案：⼀是建⼤⼯⼚，⼆是建⼩⼯⼚。

如果销路好，3年以后考虑扩建。

建⼤⼯⼚需投资300万元，建⼩⼯⼚需投资160万元，3年后扩建另需投资140万元。

扩建后可使⽤7年，其年度损益值与⼤⼯⼚相同。

每种⾃然状态的预测概率及年度损益值如下表：前 3 年后 7 年根据上述资料试⽤决策树法做出决策。

四、计算题（15分）答：建⼤⼚收益=581-300=281建⼩⼚收益=447-160=287所以应选择建⼩⼚⽅案。

⼆⼭姆公司的⽣产设备已经落后，需要马上更新。

公司有⼈认为，⽬前产品销路增长，应在更新设备的同时扩⼤再⽣产的规模。

但也有⼈认为，市场形势尚难判断，不如先更新设备，3年后再根据形势变化考虑扩⼤再⽣产的规模问题。

这样，该公司就⾯临着两个决策⽅案。

决策分析的有关资料如下：A、现在更新设备，需投资35万元， 3年后扩⼤⽣产规模，另需投资40万元。

B、现在更新设备的同时扩⼤再⽣产的规模，需投资60万元。

C、现在只更新设备，在销售情况良好时，每年可获利6万元；在销售情况不好时，每年可获利4、5万元。

D、如果现在更新与扩产同时进⾏，若销售情况好，前3年每年可获利12万元；后7年每年可获利15万元；若销售情况不好，每年只获利3万元。

E、每种⾃然状态的预测概率如下表前 3 年后 7 年根据上述资料试⽤决策树法做出决策。

答案：结点7收益值=0、85×7 × 15+0、15 ×7 ×3=92、4（万元）结点8收益值=0、85×7 ×6+0、15 ×7 ×4、5=40、4（万元）结点9收益值=0、1×7 × 15+0、9 ×7 ×3=29、4（万元）结点10收益值=0、1×7 × 6+0、9 ×7 ×4、5=32、6（万元）结点1收益值=0、7×[52、4+（3 × 6）]+0、3 ×[32、6+（3 × 4、5）]=63、1（万元）结点2收益值=0、7×[92、4+（3 × 12）]+0、3 ×[29、4+（3 × 3）]=101、4（万元）答：⽤决策树法进⾏决策应选择更新扩产⽅案，可获得收益41、4万元。

c4.5决策树算法例题例题：预测鸢尾花分类题目描述：给定鸢尾花的三种类型：山鸢尾（setosa）、杂色鸢尾（versicolor）和维吉尼亚鸢尾（virginica），以及鸢尾花的四个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。

使用这些特征来预测鸢尾花的类型。

数据集：以下是一个鸢尾花数据集的样例，每一行表示一个样本，每个特征用一个数字表示。

最后一列是鸢尾花的类型。

1.4 3.5 5.1 1.7 setosa5.0 3.6 5.5 2.6 versicolor4.9 3.05.1 1.8 virginica解题思路：使用C4.5决策树算法对鸢尾花数据集进行分类。

首先，我们需要将数据集分成训练集和测试集，然后使用训练集训练决策树模型。

在训练过程中，我们需要计算每个特征的信息增益率，选择信息增益率最大的特征作为划分标准。

在每个节点处，我们需要计算划分后的数据集的纯度，选择最优的划分标准。

最后，我们使用测试集对决策树模型进行评估，计算分类准确率。

C4.5决策树算法的具体步骤如下：1. 将数据集分成训练集和测试集。

2. 初始化根节点，选择一个特征作为划分标准，计算划分后的数据集的纯度。

3. 如果数据集的纯度已经达到要求，则将该节点标记为叶子节点，并将该节点的类标签作为最终分类结果。

4. 如果数据集的纯度未达到要求，则选择信息增益率最大的特征作为划分标准，将数据集划分为子数据集。

5. 对每个子数据集重复步骤2-4，直到满足停止条件。

6. 构建决策树，将每个节点的最优划分标准记录下来。

7. 使用测试集对决策树模型进行评估，计算分类准确率。

决策树法的计算题
2012-4-26 17:38
提问者：yihui_rongli|浏览次数：63次
某公司承担一段铁路维修任务，现因进入雨季，需要停工三个月，在停工期间如果搬走机械，需搬运费1800元，如果将机械留在原处，一种方案是花500元做防护措施，防止雨水浸泡机械，如不做防护措施，发生雨水浸泡时将损失10000元，如下暴雨发生洪水时，则不管是否有防护措施，施工机械留在原处都将受到60000元得损失，根据资料，该地区夏季高水位的发生率是25%，洪水的发生率是2%，请问:试用决策树法分析该公司施工队要不要搬走施工机械以及要不要做防护措施？
1.绘制决策树，见图。

2.计算期望值。

状态点2的期望值：0
状态点3的期望值：(-60000) ×0.02 = -1200(元)
状态点4的期望值：(-60000) ×0.02 + (-10000) ×0.25 = -3700(元) 3.选择损失最小的方案。

min{(0-1800),(-1200-500),(-3700-0)}=-1700(元)
以不搬走施工机械并作好防护措施最为合算。