基于最大margin的决策树归纳

基于最大margin的决策树归纳李宁2基于最大margin的决策树归纳SVM基本问题SVM反问题SVM反问题求解在决策树归纳中的应用进一步的工作3SVM基本问题SupervisedclassificationlearningLabeleddatalineardiscriminantClassificationrule:Somebetterthanothers?0bwxsgn()ybwx+4SVM基本问题Choosealineardiscriminanttomaximizemargin0bwx5SVM反问题UnsupervisedLearningGivenunlabeleddata,findmaximummarginseparatinghyperplaneFindlabelassignmentthatresultsinalargemargin6SVM反问题的求解基于聚类遗传算法7在决策树归纳中的应用决策树的一般归纳过程8在决策树归纳中的应用决策树的一般归纳过程F8=29.1F829.1F5=141F319F3=19F5141F2109.5..F2=109.59在决策树归纳中的应用决策树的一般归纳过程Rule1:IF(F8=29.2)THEN–Rule2:IF(F829.2andF5=141and(F3=19.0)THEN+…Rulen:IF(F829.2andF5141andF2=109.5andF4=13.8)THEN+10在决策树归纳中的应用基于最大margin的决策树归纳()0wxb()0wxb求解SVM反问题获得具有最大margin的最优超平面11进一步的工作完成基于最大margin的决策树学习系统的实现同其他启发式比较，看其泛化能力是否提高，分析该系统所适用的数据的特点