决策树算法

【机器学习】常见算法：K近邻 KNN和Python实现

包括K-近邻算法，线性回归，逻辑回归，决策树算法，集成学习，聚类算法。
大雾的小屋·2024-01-10 10:08

【机器学习】常见算法详解第2篇：K近邻算法各种距离度量（已分享，附代码）

包括K-近邻算法，线性回归，逻辑回归，决策树算法，集成学习，聚类算法。K-近邻算法的距离公式，应用LinearRegression或SGDRegressor实现回归预
程序员一诺·2024-01-10 10:19

理论U3 决策树

文章目录一、决策树算法1、基本思想2、构成1）节点3）有向边/分支3、分类步骤1）第1步-决策树生成/学习、训练2）第2步-分类/测试4、算法关键二、信息论基础1、概念2、信息量3、信息熵：二、ID3(
轩不丢·2024-01-10 08:46

【Python机器学习】决策树的优缺点

决策树的优点：1、得到的模型很容易可视化2、算法完全不受数据缩放的影响决策树算法不需要特征预处理，比如归一化或标准化。特别是特征的尺度完全不一样时或二元特征和连续特征同时存在时，决策树的效果很好。
zhangbin_237·2024-01-10 06:40

机器学习：决策树

一、决策树算法简介决策树思想的来源非常朴素，程序设计中的条件分支结构就是if-else结构，最早的决策树就是利用这类结构分割数据的一种分类学习方法决策树：是一种树形结构，本质是一颗由多个判断节点组成的树其中每个内部节点表示一个属性上的判断
GeniusAng丶·2024-01-08 19:39

机器学习算法优缺点综述

可打印版本附pdf下载链接目录正则化算法（RegularizationAlgorithms）集成算法（EnsembleAlgorithms）决策树算法（DecisionTreeAlgorithm）回归（
yishuihan-Oliver·2024-01-07 13:15

数据挖掘--决策树

决策树算法之所以如此流行，一个很重要的原因就是使用者基本上不用了解机器学习算法，也不用深究它是如何工作的。直观看上去，决策树分类器就像判断模块
人工智能MOS·2024-01-04 06:25

决策树算法

决策树概念决策树是⼀种树形结构，通过特征的不同来将样本数据划分到不同的分⽀（⼦树）中，最终，每个样本⼀定会划分到⼀个叶⼦节点中。我们可以将每个特征视为⼀个问题（提问),特征值的不同，就视为样本给出的不同答案，然后，我们就可以根据⼀系列问题（特征）,将样本划分到不同的叶⼦节点中。决策树可以⽤于分类与回归任务。决策树的介绍：决策树学习采⽤的是⾃顶向下的递归⽅法，其基本思想是以信息熵为度量构造⼀棵熵值，
April123abc·2024-01-02 06:19

决策树分类|python

决策树算法：ID3通过在给定特征几何中使用自上而下的贪婪搜索来构造决策树，测试每个数节点处的每个特征。那么，如何构建正确精准的决策树？我们怎样去决定？我们有一些方法帮助我们选择！
何同尘·2024-01-01 14:03

XGBoost理论推导+论文解读-下篇

这个方法在之前的决策树算法中大量被使用。而增益的计算方式比如ID3的信息增益，C4.5的信息增益率，CART的Gini系数等。
金鸡湖最后的张万森·2023-12-31 23:24

机器学习系列06：决策树

决策树算法如何工作套用西瓜书上的一个图来说明决策树算法是如何工作的：我们挑选西瓜时，都会考虑西瓜脐部、色泽、根蒂以及敲一敲听声音等因素（特征），决策树就是对这些考虑因素进行逐个拆解，从而判断西瓜（样本）
加百力·2023-12-30 07:00

《Machine Learning in Action》—— 女同学问Taoye，KNN应该怎么玩才能通关

这篇是机器学习系列文章所涉及到的第六篇文章了，前面已经介绍过了支持向量机SVM以及决策树算法，一个躲在小房间里认真阅读过的读者应该对他们都有了一定的认识，算法的过程和原理也都大致了解了。
玩世不恭的Coder·2023-12-26 20:40

（14）监督学习-分类问题-决策树

决策树算法分为ID3，C4.5，CART几种。其主要区别在于特征选择的方法不同。
顽皮的石头7788121·2023-12-23 19:27

决策树相关算法_ID3_C45_信息熵_剪枝

决策树算法的主要思想源于Quinlan在1986年提出的ID3算法和1993年提出的C4.5算法，以及由Breiman等人在1984年提出的CART算法，其主要优点是：可读性；分类速度快。
沉住气CD·2023-12-23 11:00

一文带你了解机器学习算法

常见的机器学习算法有哪些KNN算法、线性回归法、决策树算法、随机森林算法、PCA算法、SVM算法等等什么是机器学习简单的说，机器学习就是让机器从数据中学习，进而得到一个更加符合现实规律的模型，通过对模型的使用使得机器比以往表现的更好
ldxxxxll·2023-12-23 08:48

Machine Learning（1）DecisionTree

决策树算法容易理解，适用各种数据，在解决各种问题时都有良好表现，尤其是以树模型为核心的各种集成算法，在各个行业和领域都有广泛的应用。决策树算法的本质是一种图结构，我们只需要问一系列问题就
江凪水心·2023-12-22 22:23

[ML学习笔记] 决策树与随机森林（Decision Tree&Random Forest）

[ML学习笔记]决策树与随机森林（DecisionTree&RandomForest）决策树决策树算法以树状结构表示数据分类的结果。每个决策点实现一个具有离散输出的测试函数，记为分支。
weixin_30292843·2023-12-22 22:20

常见的分类算法

本文将介绍十种常见的分类算法，包括K-近邻算法、决策树算法、朴素贝叶斯算法、支持向量机算法、逻辑回归算法、神经网络算法、随机森林算法、梯度提升算法、AdaBoost算法和XGBoost算法。
调钟师·2023-12-21 01:01

决策树原理及实现(Decision Tree)

项目地址：https://github.com/Daya-Jin/ML_for_learner原博客：https://daya-jin.github.io/tag/#tree模型概述决策树算法最早用于分类任务
d518a9b6ae51·2023-12-20 21:38

基于Scrapy框架爬虫和数据挖掘的亚马逊网页信息分析

为了减少重复烦琐的前期工作,提高开发效率,进一步搭建Scrapy工程，并采用决策树算法规避网站反爬虫，基于Python编写爬虫程序下载数据，存入数据库中完成网页信息数据爬取设计。
毕设指导Martin·2023-12-20 17:53

决策树算法一：hunt算法，信息增益（ID3）

决策树入门决策树是分类算法中最重要的算法，重点决策树算法在电信营业中怎么工作？为什么叫决策树？因为树的叶子节点是我们最终预判的结果。决策树如何来？根据训练样本建立。问题1：为什么费用变换率放第一个？
AppleYRY·2023-12-19 22:53

决策树算法

决策树特征选择贷款决策佩戴隐形眼镜决策决策树算法的优缺点决策树（DecisionTree）是一种常用的机器学习算法，它通过对数据集进行分割来实现分类或回归。
写进メ诗的结尾。·2023-12-19 06:18

决策树算法

决策树算法概述决策树是一种十分常用的分类方法。是一种监督学习。决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。
unhurried人生——冕临·2023-12-18 10:28

高斯分布、高斯混合模型、EM算法详细介绍及其原理详解

相关文章K近邻算法和KD树详细介绍及其原理详解朴素贝叶斯算法和拉普拉斯平滑详细介绍及其原理详解决策树算法和CART决策树算法详细介绍及其原理详解线性回归算法和逻辑斯谛回归算法详细介绍及其原理详解硬间隔支持向量机算法
IronmanJay·2023-12-18 06:47

【机器学习入门】决策树算法（三）：C5.0算法

简介：C5.0算法是昆兰在C4.5算法的基础上提出的商用改进版本，目的是对含有大量数据的数据集进行分析。计算过程：C5.0算法的训练过程大致如下。假设训练的样本集S共有n个样本，训练决策树模型的次数为T，用Ct表示t次训练产生的决策树模型，经过T次训练后最终构建的复合决策树模型表示为C*。用表示第i个样本在第t次模型训练中的权重（i=1，2，3，…，n；t=1，2，3，…，T）;用表示的归一化因子
学不死的狗·2023-12-17 11:59

大数据机器学习深度解读决策树算法：技术全解与案例实战

大数据机器学习深度解读决策树算法：技术全解与案例实战本文深入探讨了机器学习中的决策树算法，从基础概念到高级研究进展，再到实战案例应用，全面解析了决策树的理论及其在现实世界问题中的实际效能。
星川皆无恙·2023-12-17 11:52

【基于Python的信用卡客户历史数据分析与挖掘】

我们将运用SVM算法、决策树算法、KNN算法以及随机森林算法，通过ROC曲线、混淆矩阵等
爱欲无极·2023-12-16 21:23

对于分类任务当样本较少时，什么算法较为合适？

决策树算法通常易于理解和解释，并
有Li·2023-12-16 11:43

三种决策树算法

ID3ID3算法在特征选择时，使用的指标是信息增益（InformationGain），信息增益是基于熵（entropy）的概念，熵是用来衡量数据集中的不确定性或纯度的一个指标。当熵值高时，数据集的不确定性大，反之亦然。信息增益的计算公式为：IG(D,A)=Entropy(D)−∑v∈Values(A)∣Dv∣∣D∣⋅Entropy(Dv)IG(D,A)=Entropy(D)-\sum_{v\inV
NLP_wendi·2023-12-15 15:14

机器学习初学-多种集成学习算法

■Bagging算法通常基于决策树算法基础之上，通过数据集的随机生成，训练出各种各样不同的树。而随机森林还在树分叉时，增加了对特征选择的随机性。
O&REO·2023-12-15 13:26

机器学习决策树案例实战

一、引言决策树算法是机器学习领域的基石之一，其强大的数据分割能力让它在各种预测和分类问题中扮演着重要的角色。
!chen·2023-12-15 13:49

机器学习算法（9）——集成技术（Bagging——随机森林分类器和回归）

机器学习算法(8)——决策树算法在本文中，
无水先生·2023-12-14 16:43

人工智能原理复习--机器学习

文章目录上一篇机器学习概述归纳(示例)学习ID3决策树算法K近邻算法下一篇上一篇人工智能原理复习–搜索策略（二）机器学习概述学习系统的基本结构：环境学习知识库执行环境向系统的学习部分提供某些信息学习利用这些信息修改数据库
ˇasushiro·2023-12-14 13:56

一文讲透Python机器学习决策树算法的基本概念与原理

1.决策树算法的基本特点与优势决策树算法是一种有监督、非参数、简单、高效的机器学习算法。
数据科学作家·2023-12-05 20:15

决策树 算法原理

决策树算法原理决策树的原理决策树:从训练数据中学习得出一个树状结构的模型决策树属于判别模型决策树是一种树状结构，通过做出一系列决策(选择)来对数据进行划分，这类似于针对一系列问题进行选择。
小小程序○·2023-12-05 10:59

决策树详解（一）

1.决策树的概念决策树算法以树状结构表示数据分类的结果，每个决策点实现一个具有离散输出的测试函数，记为分支；决策树的元素有：根节点、非叶子节点、分支、叶节点四种元素，其代表的含义如下图所示;决策树的工作分为两个阶段
晓晓晓的打工日记·2023-12-04 15:37

一文带你了解机器学习算法

常见的机器学习算法有哪些KNN算法、线性回归法、决策树算法、随机森林算法、PCA算法、SVM算法等等什么是机器学习简单的说，机器学习就是让机器从数据中学习，进而得到一个更加符合现实规律的模型，通过对模型的使用使得机器比以往表现的更好
ldxxxxll·2023-12-02 21:46

数据分析课程设计(数学建模+数据分析+数据可视化)——利用Python开发语言实现以及常见数据分析库的使用

分析方法与过程数据探索性与预处理合并文件并检查缺失值2.计算文件的当中的值消费指数的描述性分析首先对数据进行标准化处理聚类模型的评价聚类模型的结果关联利用决策树模型进行预测决策数模型的数据处理决策树模型的参数设置模型参数如下表：特征重要性：决策树算法思想模型评价
Tech行者·2023-12-02 02:36

“十道机器学习问题，帮助你了解基础知识和常见算法“

6.请解释决策树算法的工作原理。7.什么是支持向量机（SVM）？它在机器学习中的应用有哪些？8.请解释神经网络是如何工作的。9.什么是聚类算法？请举一个聚类算法的例子。10.
蓝色心灵-海·2023-12-01 00:47

python机器学习：决策树（3）

决策树摘要：如何处理txt文件完成简单决策树算法数据结构txt文件youngmyopenoreducednolensesyoungmyopenonormalsoftyoungmyopeyesreducednolensesyoungmyopeyesnormalhardyounghypernoreducednolensesyounghypernonormalsoftyounghyperyesreduc
HarryStudyPython_ing·2023-11-29 11:03

机器学习算法——集成学习1（个体与集成）

如C4.5决策树算法、BP神经网络等。集成中只包含同种类型的个体学习器，例如“决策树集成”中全是决策树，“神经网络集成”中全是神经网络，这样的集成是“同质”的。同质集成中的个体学习也称为
Vicky_xiduoduo·2023-11-22 08:41

机器学习算法（4）—— 决策树算法

决策树算法1决策树介绍2信息熵3决策树划分依据3.1信息增益3.2信息增益率3.3基尼指数3.4小结4.cart剪枝4.1为何要cart剪枝4.2常用的剪枝方法5.特征工程—特征提取5.1字典特征提取5.2
夏木夕·2023-11-20 16:00

十大经典算法

十大经典算法：C4.5算法是机器学习算法中的一种分类决策树算法；其核心算法是ID3算法，C4.5集成了ID3算法的优点且对以下方面做了修改。
doublewei1·2023-11-19 23:34

机器学习第9天：决策树分类

成本函数实例数与不纯度正则化在鸢尾花数据集上训练决策树机器学习专栏机器学习_Nowl的博客-CSDN博客介绍作用：分类原理：构建一个二叉树，逐级条件判断筛选基本思想假如有小明，小红和小张三个人，我们知道他们的身高体重，要通过身高体重来判断是哪个人，决策树算法会构建一个二叉树
Nowl·2023-11-18 21:06

【机器学习】决策树算法理论：算法原理、信息熵、信息增益、预剪枝、后剪枝、算法选择

1.决策树概念通过不断的划分条件来进行分类，决策树最关键的是找出那些对结果影响最大的条件，放到前面。我举个列子来帮助大家理解，我现在给我女儿介绍了一个相亲对象，她根据下面这张决策树图来进行选择。比如年龄是女儿择偶更看中的，那就该把年龄这个因素放在最前面，这样可以节省查找次数。收入高的话就去见，中等的话还要考虑工作怎么样。决策树通过历史数据，找出数据集中对结果影响最大的特征，再找第二个影响最大的特征
TwcatL_tree·2023-11-16 02:57

机器学习算法系列（一）：决策树模型

文章主要参考以下博客：决策树算法原理(上)-刘建平Pinard-博客园最近心情比较糟糕，对未来比较迷茫。将自己这几年擅长的东西整理记录下来，希望能够为自己带来好运，也希望能够帮助有需要的人。谢谢。
NO PAIN_NO GAIN·2023-11-13 08:34

决策树深度探索: 从基础构建到机器学习应用

Entropy)条件熵(ConditionalEntropy)信息增益(InformationGain)信息熵计算计算数据集的熵计算在给定属性条件下的熵计算信增益(InformationGain)常用的决策树算法
我是小白呀·2023-11-13 08:32

Python机器学习算法入门教程（第四部分）

十九、信息熵是什么通过前两节的学习，我们对于决策树算法有了大体的认识，本节我们将从数学角度解析如何选择合适的“特征做为判别条件”，这里需要重点掌握“信息熵”的相关知识。
别致的SmallSix·2023-11-11 11:07

机器学习 - 决策树：技术全解与案例实战

随机森林（RandomForests）进化算法与决策树决策树结构的进化多目标决策树优化应用实例：财务风险评估四、案例实战场景描述数据预处理决策树模型结果分析输出展示总结五、总结本文深入探讨了机器学习中的决策树算法
TechLead KrisChang·2023-11-10 06:58

机器学习---决策树算法梳理

决策树算法梳理任务3-决策树算法梳理1、信息论基础（熵联合熵条件熵信息增益基尼不纯度）2.决策树的不同分类算法（ID3算法、C4.5、CART分类树）的原理及应用场景3、回归树原理4、决策树防止过拟合手段
言成苟文·2023-11-09 22:54
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他