聚类、分类、关联规则
数据挖掘方法在QQQ中的应用研究
数据挖掘方法在QQQ中的应用研究随着互联网的发展，QQQ（即Quit, Question, Qualify，意为“放弃、提问、判定”）这一流行的聊天工具，成为了人们日常沟通的主要方式之一。
然而，随着聊天内容的日益增多，如何在海量的信息中提取有效的信息，成为了亟待解决的问题。
数据挖掘方法，在这方面发挥了重要的作用。
一、数据挖掘方法概述数据挖掘（Data Mining）是指从大量的数据中，提取出隐藏在其中、未知的、有用的、可理解的模式和规律的过程。
数据挖掘的方法有很多，常见的有聚类、分类、关联规则和预测等方法。
其中聚类是指按照样本之间的相似性或距离，将它们划分成若干个组别；分类是指建立一个模型，用于对未知样本进行分类；关联规则是指在大规模数据中发现物品间的有趣关系；预测则是通过对现有数据的分析，根据其规律预测未来数据的值。
二、QQQ中的数据挖掘方法通过对QQQ聊天记录的剖析，可以发现以下情况：1.聊天记录量大，难以查找信息QQQ的语音聊天和文字聊天记录非常丰富，每一次聊天都会有大量的记录内容。
如果想要查找以前某次聊天的记录，需要一步步翻页，费时费力，难以得到有效的信息。
2.信息重复严重在聊天记录中，很多内容是重复出现的，比如问候语、笑话等。
如果每次都重复查看这些内容，不仅会浪费时间，而且容易遗漏重要的信息。
3.个性化需求高每个人的聊天习惯和需求都不同，有些人喜欢文艺范的聊天，有些人喜欢趣味性的聊天，有些人喜欢深层次的讨论。
如果不能很好地满足这些需求，就容易影响到人们的聊天体验。
针对以上问题，可以采取以下数据挖掘方法：1.利用聚类算法对聊天记录进行分组通过聚类算法，可以将聊天记录中的内容进行分组，便于按日期、主题等进行查找。
比如，可以把娱乐、交友、学习等不同的主题分别归类，在需要查找信息时，只需对应查找相应的主题即可。
2.利用关联规则算法找出重复信息通过关联规则算法，可以挖掘出聊天记录中的关键字和关键短语，然后把这些关键词和短语放进数据库中。
会计与大数据相关知识点
会计与大数据相关知识点随着科技的快速发展，大数据技术的应用已经深入到各个行业中，会计领域也不例外。
会计与大数据的结合，不仅可以提高会计工作的效率和准确性，还可以为企业决策提供更多有用的信息。
本文将从数据分析、数据挖掘以及数据安全等方面，探讨会计与大数据相关的知识点。
一、数据分析数据分析是大数据技术在会计领域应用的重要方面。
传统的会计工作主要是通过处理相关凭证和账目来记录和统计企业的财务状况，而大数据技术可以帮助会计师更加高效地处理数据。
通过对海量数据的分析，会计师可以快速找出异常和错误，减少人为差错的可能性。
在数据分析方面，会计师需要掌握相关的工具和技巧。
首先是数据清洗，即将原始数据进行整理和筛选，去掉不必要的数据和噪声。
其次是数据预处理，包括数据平滑、异常值检测和缺失值处理等步骤。
最后是数据可视化，通过图表、报表等形式展示数据分析的结果，使其更加直观和易于理解。
二、数据挖掘数据挖掘是一种通过分析大量数据来发现潜在模式和关联规则的技术。
在会计领域，数据挖掘可以帮助会计师找到隐藏在数据中的重要信息，为企业决策提供参考。
例如，通过对销售数据的挖掘，可以发现产品的销售模式和趋势，帮助企业优化产品组合和市场策略。
数据挖掘主要包括聚类分析、分类分析和关联规则挖掘等技术。
聚类分析可以将数据分为不同的类别，便于对企业进行细分和定位。
分类分析可以通过已有的标签和属性，将数据进行分类和预测。
关联规则挖掘可以找到不同数据之间的关联性，帮助企业制定交叉销售和合作策略。
三、数据安全在会计与大数据相关的工作中，数据安全是一个至关重要的问题。
会计工作涉及到大量的财务数据和敏感信息，一旦泄露或被篡改，将给企业带来巨大损失。
为了保护数据安全，会计师首先需要掌握相关的数据安全知识和技术。
例如，加密技术可以对敏感数据进行加密，只有具备解密密钥的人才能够读取和修改数据。
此外，身份认证和访问控制等技术也可以帮助企业防止非法侵入和数据篡改。
数据挖掘常用功能
数据挖掘常用功能
数据挖掘是从大量数据中提取有价值信息的一种技术，它可以帮助企业更好地分析和理解数据，以支持决策过程。
数据挖掘常用功能包括数据集构建、数据预处理、模式发现、关联规则挖掘、聚类分析、分类分析、离散序列挖掘、时间序列挖掘等。
数据集构建是数据挖掘的基础，它是将原始数据按照一定的格式转换成可供分析的数据集。
数据预处理是数据挖掘的第一步，它将原始数据进行清洗，以便更好地进行分析。
模式发现是数据挖掘中最重要的步骤，它可以通过搜索数据中的模式来发现有用的信息。
关联规则挖掘是一种数据挖掘技术，它可以从大量数据中发现有趣的关联规则，以便更好地理解数据。
聚类分析是数据挖掘中一种常用的技术，它可以将数据分为几个类，以便更好地理解数据的分布特征。
分类分析是数据挖掘的一种技术，它可以根据训练数据对新数据进行分类。
离散序列挖掘是一种数据挖掘技术，它可以从离散序列中发现有意义的模式，以便更好地理解数据。
时间序列挖掘是一种数据挖掘技术，它可以从时间序列中发现有意义的模式，以便更好地理解数据。
总的来说，数据挖掘常用功能包括数据集构建、数据预处理、模式发现、关联规则挖掘、聚类分析、分类分析、离散序列挖掘和时间序列挖掘等，它们可以帮助企业更好地理解数据，以支持决策过程。
数据挖掘之关联分析
数据挖掘能做什么
相关性分组或关联规则 （Affinity grouping or association rules） 决定哪些事情将一起发生。 例子： 超市中客户在购买A的同时，经常会购买B，即A => B(关联规则) 客户在购买A后，隔一段时间，会购买B （序列分析）
聚类是对记录分组，把相似的记录在一个聚集里。聚类和分类的区别是聚集不依赖于预先定义好的类，不需要训练集。
关联规则的实现原理: 从所有的用户购物数据中（如果数据量过大，可以选取一定的时间区间，如一年、一个季度等），寻找当用户购买了A商品的基础上，又购买了B商品的人数所占的比例，当这个比例达到了预设的一个目标水平的时候，我们就认为这两个商品是存在一定关联的，所以当用户购买了A商品但还未购买B商品时，我们就可以向该类用户推荐B商品。
聚类（Clustering）
一些特定症状的聚集可能预示了一个特定的疾病 租VCD类型不相似的客户聚集，可能暗示成员属于不同的亚文化群
例子：
数据挖掘能做什么
STEP1
STEP2
我们会发现很多网站都具备了内容推荐的功能，这类功能无疑在帮助用户发现需求，促进商品购买和服务应用方面起到了显著性的效果。
01
03
02
关联推荐在实现方式上也可以分为两种：
数据关联
关联推荐在实现方式上也可以分为两种：
01
02
03
04
关联规则
以产品分析为基础的关联推荐
以用户分析为基础的关联推荐
基于用户分析的推荐是通过分析用户的历史行为数据，可能会发现购买了《Web Analytics》的很多用户也买了《The Elements of User Experience》这本书，那么就可以基于这个发现进行推荐。
第八章-聚类分析
非恒定的相似度
➢ 如果一个二值变量的两个取值的重要性不同等重要，则该
二元变量就是不对称的。
▪ 如一个疾病disease的测试结果positive或negative，显然这两 个测试结果的重要性是不一样的：
➢ 通常将比较重要的输出结果，编码为1；而将另一结果编码 为0.
➢ 基于这样的二元变量的相似度被称为非恒定的相似度.
7
7.1 什么是聚类分析
聚类(Clustering)：
根据“物以类聚”的道理，对样品和指标进行分类的一种 多元统计分析方法； 聚类分析中“类”的特征：
➢ 聚类所说的类不是事先给定的，而是根据数据的相 似性和距离来划分；
➢ 聚类的数目和结构都没有事先假定。
9
聚类准则对聚类结果的影响
羊,狗,猫, 鲨鱼
蜥蜴,蛇, 麻雀，海鸥, 金鱼,青蛙
金鱼, 鲨鱼
羊,狗,猫,蜥蜴, 蛇,麻雀，海鸥, 青蛙
(a)繁衍后代的方式
羊,狗,猫,
金鱼,
蜥蜴,蛇,麻雀， 鲨鱼
海鸥,
青蛙
(c) 生存环境
(b) 肺的存在
蜥蜴,蛇,麻 雀，海鸥, 青蛙
金鱼
羊,狗, 猫,
鲨鱼
(d)繁衍后代的方式和是否存在肺
距离测度对聚类结果的影响
年龄 收入 家庭人口数
甲
30
3000
1
乙
40
3200
3
d ( 3 4 0 )2 0 ( 30 30 ) 2 2 0 ( 1 0 3 )2 0
示例：
另外，明氏距离的数值与指标的量纲有关。如，二维样本 （身高、体重），有三个样本：
a(180,50); b(190,50); c(180,60) 则a与b之间的明氏距离（欧氏距离、切比雪夫距离）等 于a与c之间的距离 ❖但问题是，身高的10cm真的等价于体重的10kg吗？ ❖因此，明氏距离无法消除量纲的影响，在衡量这类样本 的相似度时容易出现问题。
数据挖掘导论
数据挖掘导论数据挖掘导论是一门研究如何从大规模数据中发现隐藏模式、提取有用信息的学科。
它涵盖了多个领域，包括统计学、机器学习、数据库技术和人工智能等。
本文将详细介绍数据挖掘导论的基本概念、方法和应用。
一、数据挖掘导论的基本概念数据挖掘导论的核心概念包括数据预处理、数据挖掘任务、数据挖掘过程和模型评估等。
1. 数据预处理数据预处理是数据挖掘的第一步，它包括数据清洗、数据集成、数据转换和数据规约等操作。
数据清洗是指去除噪声和异常值，数据集成是指将多个数据源的数据整合在一起，数据转换是指将数据转换为适合挖掘的形式，数据规约是指减少数据的维度和规模。
2. 数据挖掘任务数据挖掘任务包括分类、聚类、关联规则挖掘、异常检测和预测等。
分类是指将数据分为不同的类别，聚类是指将数据分为相似的群组，关联规则挖掘是指发现数据中的关联关系，异常检测是指发现与大部分数据不符的异常值，预测是指根据历史数据预测未来的趋势。
3. 数据挖掘过程数据挖掘过程包括问题定义、数据收集、数据预处理、模型构建、模型评估和模型应用等步骤。
问题定义是指明确挖掘的目标和需求，数据收集是指获取相关的数据，模型构建是指选择合适的算法和模型进行挖掘，模型评估是指对挖掘结果进行评估，模型应用是指将挖掘结果应用于实际问题中。
4. 模型评估模型评估是判断挖掘模型的好坏的过程，常用的评估指标包括准确率、召回率、精确率和F1值等。
准确率是指分类正确的样本占总样本的比例，召回率是指分类正确的正例占所有正例的比例，精确率是指分类正确的正例占所有分类为正例的样本的比例，F1值是准确率和召回率的调和平均值。
二、数据挖掘导论的方法数据挖掘导论使用了多种方法和算法，包括决策树、神经网络、支持向量机、关联规则挖掘和聚类分析等。
1. 决策树决策树是一种基于树状结构的分类模型，它通过一系列的判断条件将数据分为不同的类别。
决策树的优点是易于理解和解释，但容易过拟合。
2. 神经网络神经网络是一种模拟人脑神经元网络的模型，它通过训练学习数据的模式和规律。
大数据处理与数据挖掘技术
大数据处理与数据挖掘技术如今，随着每个人在日常生活中都产生大量的数据，数据处理和数据挖掘技术变得越来越重要。
据统计，自2010年以来，全球的数据量增长了近600%。
因此，大数据处理和数据挖掘技术不仅仅是技术领域的重要课题，也是商业、政治和医疗等领域的关键领域。
一、大数据处理技术大数据处理技术是从大数据集中提取所需信息的过程。
这些技术可以帮助企业、政府和个人更好地理解他们的数据，以便在更高的层次上进行分析和洞察。
1.1 分布式存储和处理技术处理大数据的首要工作是存储这些数据，同时保证数据的可靠性和安全性。
分布式存储技术可以将大数据分散存储在多个节点上，提高数据的存取效率和处理速度。
同时，分布式处理技术可以对分布式存储数据进行高效的处理，并且可以进行任务的划分和合并。
1.2 并行计算并行计算是指在多个计算机节点上同时进行计算的能力。
并行计算可以有效地提高数据处理的速度和效率。
同时，它可以更容易地同时处理数据集合，如统计数据或机器学习算法。
1.3 数据流处理技术数据流处理技术是数据实时处理的一种方法，可以帮助处理需要实时分析的大量数据。
这种处理方式可以使数据分析快速响应实时请求，实现对数据的即时处理和分析。
二、数据挖掘技术数据挖掘技术是指在大数据集中发现隐藏的模式、关系和规律的一种方法。
数据挖掘技术可以用于预测、分类、推荐以及异常检测等领域。
数据挖掘技术可以帮助企业、政府和个人更好地利用数据资产，以优化决策和业务流程。
2.1 数据预处理技术数据预处理技术是指在分析之前，对数据进行清理、归一化、缺失值处理等操作，以便更好地进行数据分析。
数据预处理技术可以使数据分析过程更加容易、精准，避免分析过程中的错误和干扰。
2.2 关联规则挖掘关联规则挖掘是发现数据集中的相关性，以及其中隐藏的数据规律。
这种技术可以帮助查找数据集合中的特定属性和关系，并发现隐藏属性和趋势，以提高业务流程的效率和质量。
2.3 分类和聚类分类和聚类是数据挖掘领域的两种核心方法。
大数据的常用算法（分类、回归分析、聚类、关联规则、神经网络方法、web数据挖掘）
⼤数据的常⽤算法（分类、回归分析、聚类、关联规则、神经⽹络⽅法、web数据挖掘）在⼤数据时代，数据挖掘是最关键的⼯作。
⼤数据的挖掘是从海量、不完全的、有噪声的、模糊的、随机的⼤型数据库中发现隐含在其中有价值的、潜在有⽤的信息和知识的过程，也是⼀种决策⽀持过程。
其主要基于，，模式学习，统计学等。
通过对⼤数据⾼度⾃动化地分析，做出归纳性的推理，从中挖掘出潜在的模式，可以帮助企业、商家、⽤户调整市场政策、减少风险、理性⾯对市场，并做出正确的决策。
⽬前，在很多领域尤其是在商业领域如、电信、电商等，数据挖掘可以解决很多问题，包括市场营销策略制定、背景分析、危机等。
⼤数据的挖掘常⽤的⽅法有分类、回归分析、聚类、关联规则、⽅法、Web 数据挖掘等。
这些⽅法从不同的⾓度对数据进⾏挖掘。
数据准备的重要性：没有⾼质量的挖掘结果，数据准备⼯作占⽤的时间往往在60%以上。
(1)分类分类是找出数据库中的⼀组数据对象的共同特点并按照分类模式将其划分为不同的类，其⽬的是通过分类模型，将数据库中的数据项映射到摸个给定的类别中。
可以应⽤到涉及到应⽤分类、趋势预测中，如淘宝商铺将⽤户在⼀段时间内的购买情况划分成不同的类，根据情况向⽤户推荐关联类的商品，从⽽增加商铺的销售量。
分类的⽅法：决策树——是最流⾏的分类⽅法特点：a、它的每次划分都是基于最显著的特征的；b、所分析的数据样本被称作树根，算法从所有特征中选出⼀个最重要的，⽤这个特征把样本分割成若⼲⼦集；c、重复这个过程，直到所有的分⽀下⾯的实例都是“纯”的，即⼦集中各个实例都属于同⼀个类别，这样的分⽀即可确定为⼀个叶⼦节点。
在所有⼦集变成“纯”的之后，树就停⽌⽣长了。
决策树的剪枝：a、如果决策树建的过深，容易导致过度拟合问题（即所有的分类结果数量基本⼀样，没有代表性）；b、剪枝通常采⽤⾃上⽽下的⽅式。
每次找出训练数据中对预测精度贡献最⼩的那个分⽀，剪掉它；c、简⾔之，先让决策树疯狂⽣长，然后再慢慢往回收缩。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3. 根据当前决策节点属性取值的不同， 将训练样本数据集划分为若干子集。
2013-7-9
23
决策树生成过程例
销售时间 2000年 销售地区 华中 销售产品 薄板 客户行业 冶金 销售渠道 直销 利润 高 行数 200
2000年 华东 管材 冶金 直销 选择根节点（最有分类标识能力的属性）高 根据销售渠道的取值，将训练集分为两个子集510 300 2000年 华中 圆钢 机电 分销 中 ————直销和分销 将训练样本数据集划分为若干子集 2000年 2000年 … 2000年 2000年
2013-7-9
华南 华东 … 华中 华中
线材 线材 … 薄板 薄板
电力 电力 … 电力 电力
直销 分销 … 直销 直销
低 低 … 中 高
50 600 … 80 320
24
决策树生成过程例
可得： 销售渠道 直销 分销
2013-7-9
25
决策树生成过程
4. 针对上一步中得到的每一个子集，重 复进行上述的2、3两个步骤，直到最后 的子集符合结束的三个条件之一。
聚类分析的含义
聚类（Clustering）用于发现在数据库中 未知的对象类 聚类方法对象类划分的依据是“物以类 聚”，即考察个体或数据对象间的相似 性 在聚类之前，对象类划分的数量与类型 均是未知的
2013-7-9
1
欧几里德距离
欧几里德距离（Euclidean distance） 类似空间 距离的计算。
销售渠道
直销 分销
客户行业
电力
销售地区
华中 中 低
其准确率为 50/(20+50+150)=0.2272 其准确度较低，可以 考虑从决策树中剪除
高
销售地区
华中 高 华南 低
2013-7-9
36
最终决策树
销售渠道
直销 分销
客户行业
冶金 高 电力
销售地区
华中 中 华东 低
销售地区
华中
高
2013-7-9
2013-7-9 30
50
决策树生成过程例
由此可得：
直销
销售渠道
分销
客户行业
冶金 高 电力
销售地区
华中 中 华南 低 华东 低
销售地区
华中
高
2013-7-9
31
决策树剪枝
有决策树得到的初步规则中，有一些预 测规则准确性较低，因此需要对上述得 到的决策树进一步处理，这个进一步处 理的过程由 “剪枝” 过程完成。
电力 电力 … 电力 电力
直销 直销 分销
直销 分销 … 直销 直销
高 高 中
低 低 … 中 高
200 510 300
50 600 … 80 320
华东 管材 选择类别标示属性 华中
华南 华东 … 华中 华中
选择决策属性集
圆钢
线材 线材 … 薄板 薄板
2013-7-9
22
决策树生成过程
2. 在决策属性集中选择最有分类标识能 力的属性作为决策树的当前决策节点。
xi1
xi2 xi2
x8
5
4
7
6
6
6
8
5
x5
7
8
8
4
7
3
1
8
2
2
3
3
x3 x1 x10 x9
x2 x4 x6 x7
聚类个数k=2 随机选择x3,x6作为中心
根据中心最近原则， 将其他对象分配到相应类中
xi1
2013-7-9 7
k-means算法步骤
3. 在完成对象的分配之后，针对每一个类， 计算其所有对象的平均值，作为该类的 新的“中心”。 4. 根据距离“中心”最近的原则，重新进 行所有对象到各个相应类的分配。 5. 返回步骤（3），直到没有变化为止。
x5
f2(2)
x4 x6
如此迭代计算，直至对象的 分配不再发生变化，即可得 到最终的聚类。
xi1
2013-7-9
10
层次聚类方法概述
层次聚类方法（Hierarchical Clustering Method）是采用“自顶向下（TopDown）”或“自底向上（Bottom-Up）” 的方法在不同的层次上对对象进行分组， 形成一种树形的聚类结构。 其包括分解型层次聚类法（自顶向下） 和聚结型层次聚类法（自底向上）。
2013-7-9
5
k-means算法步骤
1.首先随机地选择k个对象，每一个对象作 为一个类的“中心”，分别代表将分成的k 个 类。 2.根据距离“中心”最近的原则，寻找与 各 对象最为相似的类，将其它对象分配到各 个相应的类中。
2013-7-9
6
k-means算法例
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10
决策树生成过程例
在“销售渠道”为“直销”的分枝中进行 同样的属性选择处理
销售时间
“客户行业”为“电力”，“销售地区”为“华中” 行数 销售地区 销售产品 客户行业 销售渠道 利润 这一分枝中，类别标识属性有两个不同的取 200 2000年 华中 薄板 冶金 直销 高 值。
2000年 华东 管材 冶金 直销 高 510
2013-7-9
8
k-means算法例
xi2
x8 f1(1) x1 x10 x9 x3 x2 x4 f2(1) x7 x6
x5
计算两个类的平均值分别为 f1(1)、f2(1)。 根据距离“中心”最近的原则 重新分配所有对象。
xi1
2013-7-9
9
k-means算法例
xi2
x8 x3 x2 f2(1) x1 x10 x9 x7
2013-7-9
18
分类发现的含义
数据库 已 分建 类立 器的 模 型
红色图形
黄色图形
没有分辨颜色的图形
2013-7-9
绿色图形
19
分类发现的主要方法
1. 基于决策树模型的数据分类 ——ID3算法 2. 基于统计模型的数据分类 ——贝叶斯分类 3. 基于神经网络的数据分类
2013-7-9
直销
低
高
20
390 冶金 高
客户行业
电力
销售地区
华中 中 华南 低 华东 低
销售地区
华中
其准确率为
(320+390)/(320+50+20+390)=0.9103 高
2013-7-9
35
第一组测试数据
销售地 客户行 销售渠 区 业 道 华南 华南 华南 电力 电力 电力 直销 直销 直销 利 润 高 低 中 行 数 20 50 150 冶金
2013-7-9
16
分类发现的处理过程
训练集 分析
建 矩形是黄色 分立 类 的 圆形是红色 器模 三角是绿色 型
2013-7-9
17
分类发现的处理过程 2. 分类模型的应用 在对建立的分类模型进行应用前，需要 对建立的分类模型进行评估，在确保分 类模型的准确性及精确度的情况下，才 能运用该分类模型对未知其类别的数据 样本进行分类处理。
37
销售渠道 IF 销售渠道=―直销” 销售渠道=―分销 ” and 客户行业=―冶金” 销售地区=―华东” 销售地区=―华中” 客户行业= “电力” 直销 分销 and 销售地区=―华中” THEN 销售业务属于“高”利润 销售业务属于“低‖利润 销售业务属于“中‖利润 销售地区 客户行业 THEN 销售业务属于“高”利润
2013-7-9
11
层次聚类方法思想
层次聚类方法按照一定的相似性判断标准，合 并最相似的部分，或者分割最不相似的两个部 分。 如果合并最相似的部分，从每一个对象作为一 个类开始，逐层向上聚结，直到形成唯一的一 个类 。 如果分割最不相似的两个部分，从所有的对象 归属在唯一的一个类中开始，逐层向下分解， 直到每一个对象形成一个类。
2013-7-9
32
决策树剪枝
主要是采用新的样本数据集（称为测试 数据集）中的数据检验决策树生成过程 中产生的初步规则，将那些影响预测准 确性的分枝剪除。
2013-7-9
33
测试数据集
销售地区 客户行业 销售渠道 利润 华中 华中 华中 华东 华南 冶金 冶金 冶金 冶金 电力 直销 直销 直销 直销 直销 高 中 低 高 高 行数 320 50 20 390 20 说明 这些元组符合：“销售 渠道”为“直销”， “客户行业”为“冶金” 的分枝（第一组） 这些元组符合：“销售 渠道”为“直销”， “行业”为“电力”， “地区”为“华南”的 分枝（第二组） 略 … 略
2013-7-9
26
三个条件
1. 子集中的所有元组都属于同一类； 2. 该子集是遍历了所有决策属性得到的； 3. 子集中的所有剩余决策属性取值完全相 同，已不能根据这些决策属性进一步进行 子集划分。
2013-7-9
27
决策树生成过程
5. 根据符合条件的不同，生成叶子节点。 对满足 “条件一”所产生的叶子节点， 直接根据该子集的元组所属类别进行类 别标识。 满足步骤 “条件二”或“条件三”所产 生的叶子节点，选取子集所含元组的代 表性类别特征进行类别标识。
2013-7-9
28
决策树生成过程例
在“销售渠道”为“分销”的分枝中进行 同样的属性选择处理
销售时间 2000年 … 2000年 销售地区 华中 … 华东 销售产品 圆钢 … 线材 客户行业 机电 … 电力 销售渠道 分销 … 分销 利润 中 … 低 行数 300 … 600