SPSS Clementine决策树建模在图书馆中的应用
检率并没有出现较大变化，而树的复杂度降低了，深度从3变为2。为了在不增加决策树深度的情况下保留较完整的决策树信息，我们将“修剪严重性”值设为50，此时树的深度为2。最终生成的国关读者借阅频度决策树分类模型如图8所示。集合A={法律（大三，研一/研二），公管大三，国经（研一/研二），国政（大二/大三，研一/研二），日法（研一/研二），文传（大一/大二/大三，研一/研二），信科（大一/大二/大三，研一/研二），英语（大一/大三/大四，研一/研二），应用化学研一}集合B={法律（大一/大二/大四），公管（大一/大四），国经（大一/大三/大四），国政（大一/大四），日法（大二/大三/大四），信科大四，英语大二，应用化学研二，家属，成人教育}集合C={公管大二，信科研三，应用化学研三，教职工，外教，PCP}需说明的是，公管系在2009年至2010学年还没有研究生，故相应信息未出现在决策树分支集合中。除信科系外，其他系的研究生学制均为两年，没有研三。2.5 模型分析和建议
<<上一页 下一页>>
广州市越秀区图书馆版权所有。
联系电话：020-87673002
本站访问人数：