计算动词决策树

计算动词决来自策树是计算动词理论 与传统决策树相结合的产物，也可以说是对传统决策树的计算动词化。对传统决策树的计算动词化有多种方式:第一，我们可以对传统决策树所处理的数据中的时序性进行计算动词化，也即对于在传统决策树中应用对象为时间序列的应用来进行输入数据的计算动词化;除此之外，我们还可以对传统决策树所对应的规则进行计算动词化，也即对传统决策树的拓扑结构本身，就如同将形如传统神经网络这样的计算结构进行计算动词化的情形一样，360百科在这结构中加入计算动词规则来改变传统决策树的拓调西歌扑结构。从某种意精述义来说计算动词决策树是将众多的传统决策树沿时间轴方向在其输入数据以及其决差将七脱顾余四拿相策过程的维度上判海胜散乐字进行的拓展。因此，计记而算动词决策树对于其输入数据的降维以及对于其推理过程的降维会有效地控制传统决策树在挖掘大规模的时序数据的时候所可能出现的输入组合爆炸以及其拓扑结构的组合爆炸，从而达到拟人的数据挖掘和决策过程。

• 中文名称 计算动词决策树
• 所属领域 数据挖掘

　　​传统决策树只能对离散静态的来自知识建模，无法对动态只360百科是建模，在动态数据越来越多的情况下，传统决策树的弊端显得尤为突出，而计算动词决策树的优势就显得越为重要。动词决策树不仅继承米被免主被花了传统决策树的优点，同时把其应用推广到含有动态数据属性的数据，其节点不再是像传统决策树那样的静态属性，而是动态的动词节点。相比传统决策树，动词决策树不仅可以想传统决策树那样过程可以是基策离析载你离散的，也可以是由离散组题乎办成的动态过程，而且动态过程比传统决策树更加细腻

计算动词决策树

计算动词决策树训练算法

　　计算动词决策训练算法目前有多种训练方法，最初的计算动词决策树训练算法是杨涛教授创新的，与传统ID3决策树训练算法较为相近，在传统的ID3决策树训练算法中，拿通过增益和熵来训练节点，而最初的计算动词决策树训练算法是通过计算动词增益和计算动词熵来训练节点;但在训文得牛练计算动词决策树之前，必须动词化训练数据，随后训练计算动词决策树节点终百限。

计算动词决策树算法在数据挖掘上应用

　　数据挖掘是从大量的数据中通过算法搜索隐藏于其中信息的过程。传统决策树算法在数据挖掘中是极其重要的方法之一，但并未真正用到数据的时序性。但数据计算动词化后，数据的时序性称为了非常重要的特征，对数据隐含的动态信息可以快速地被搜索到。

计算动词决策树在期货交易中应用

　　在期货和股票交易中，传统决策树的方法是对其价格的高低作为属性的分类，如价格的可以分为高、中、低，或者是使用价格的区间作为敌则据单胶若奏乎属性分类，这种价格回宪够木领提基哥北的区分方法是很不够精确，而若使用价格的精确数字就更加不可行，因为精确数字可以有无穷多个，在决策时不可能分为无穷种类型。但连续的数据之间的动态变化是有限的，比如两个数据之间可以组成上升(increase)、下降(decrease)和头及视保持(stay)。怎排京村判切衣及鸡这样价格就只有三种变化情况了，大大减少了传统决策树应用精确数字的分类维度，这种方法也就是对其处理数据的计算动词化。