C5是Ross Quinlan提出的决策树归纳学习算法,其核心构成包括对样本集进行分裂、用信息增益率衡量各属性的分类能力并优先选择增益率最大的属性作为分裂依据,解决的是如何把样本集逐层划分成可判定的叶节点的问题,并不解决分裂过细导致的过拟合与噪声属性干扰问题。

C5选择最有效地方式对样本集进行分裂,分裂规则是分析所有属性的信息增益率。
信息增益率越大,意味着这个特征分类的能力越强,我们就要优先选择这个特征做分类。
C5是Ross Quinlan提出的决策树归纳学习算法,其核心构成包括对样本集进行分裂、用信息增益率衡量各属性的分类能力并优先选择增益率最大的属性作为分裂依据,解决的是如何把样本集逐层划分成可判定的叶节点的问题,并不解决分裂过细导致的过拟合与噪声属性干扰问题。

C5选择最有效地方式对样本集进行分裂,分裂规则是分析所有属性的信息增益率。
信息增益率越大,意味着这个特征分类的能力越强,我们就要优先选择这个特征做分类。