全文总字数：3628字

1. 研究目的与意义及国内外研究现状

数据挖掘是信息技术自然演化的结果，是指从大量数据中抽取挖掘出来隐含未知的、有价值的模式或规律等知识的复杂过程。在这一过程中，对数据的分类是数据挖掘领域研究的重要课题。目前用于分类的方法有很多种，如决策树方法，关联规则、贝叶斯网络、遗传算法、神经网络、粗糙集方法等等。决策树分类方法以其算法的基础理论清晰、易被人们理解以及容易转换成分类规则等优点而被广泛研究与应用。

决策树学习是以实例为基础的归纳学习算法，它着眼于从一组无次序、无规则的事例中推理出决策树表示形式的分类规则，在机器学习、数据挖掘、智能控制等人工智能领域有着相当重要的理论意义与实用价值。

国内外研究现状

j.r.quinlan在上世纪80年代提出了id3（iterative dichotomiser 3）算法，该算法奠定了日后决策树算法发展的基础。这种算法的提出得益于，香农（shannon c e.）在信息论中提出的信息熵的概念，其表示离散随机事件出现的概率。id3算法最核心的思想，就是以信息增益作为分裂属性选取的依据，信息增益表示某个属性能够为分类系统带来多少“信息”，信息越多，则通过该属性对数据集的分类更为准确。id3算法适用于大多数据集的分类问题，分类速度和测试速度都比较快。但该算法在设计之初未考虑如何处理连续属性、属性缺失以及噪声等问题。之后，随后j.r.quinlan针对id3算法的不足设计了c4.5算法，引入信息增益率的概念。它克服了id3算法无法处理属性缺失和连续属性的问题，并且引入了优化决策树的剪枝方法，使算法更高效，适用性更强。

2. 研究的基本内容

1、首先要了解鸢尾花分类的基本原理即决策树的相关内容，再根据给定数据分析数据的分布规律。

其中iris数据集是常用的分类实验数据集，也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（setosa，versicolour，virginica）三个种类中的哪一类。

通常情况下，决策树利用损失函数最小的原则建立模型，然后再利用该模型进行预测。决策树学习通常包含三个阶段：特征选择、树的生成，树的修剪。

3. 实施方案、进度安排及预期效果

实施方案：

一、首先要了解鸢尾花分类的基本原理即决策树的相关内容，再根据给定数据分析数据的分布规律；

二、根据数据的分布选择合适的决策树；

4. 参考文献

[1]张棪,曹健,面向大数据分析的决策树算法[j].计算机科学,2016,0(s1):374-379 383.

[2]李荣雨,程磊,基于svm最优决策面的决策树构造[j].电子测量与仪器学报,2016,30(3):342-351.