C4.5决策树

读书笔记：“集体智慧编程”之第八章：对数值进行预测（构建价格模型）

数值预测的含义在上一章节，我们接触到的决策树，比较适合对数据的分类进行预测，以及我们之前学过的分类器也是如此。但是当我们对数值型结果进行预测的时候应该怎么办呢？
silent狼·2023-04-14 10:43

机器学习——监督学习

分类与回归1.2泛化、过拟合和欠拟合1.3监督学习算法1.3.1k近邻(k-NearestNeighbors，简称k-NN)1.3.2线性模型(LinearModels)1.3.3朴素贝叶斯分类器1.3.4决策树与决策树集成
Homur4_·2023-04-14 06:43

基于python的决策树原理及其实现

决策树是一种基于树形结构的分类和回归算法，它通过对数据进行分层，从而构建一棵决策树，每个节点代表一个特征，每个分支代表该特征的一个取值，叶子节点代表一个预测结果。
清纯世纪·2023-04-13 22:58

算法概论

回归常见算法：线性回归，决策树。无监督学习（unsupervisedlearning):输入数据没有标签值，需要模型自己去寻找数据之间的相
Diamond1995·2023-04-13 16:46

Python3机器学习实践：集成学习之LightGBM

LightGBM(LightGradientBoostingMachine)是微软的开源分布式高性能GradientBoosting框架，使用基于决策树的学习算法。下面介绍下此框架的优化。
AiFany·2023-04-13 10:28

日撸 Java 三百行（21-30天，树与二叉树）

目录总述01-10天，基本语法11-20天，线性数据结构21-30天，树与二叉树31-40天，图41-50天，查找与排序51-60天，kNN与NB61-70天，决策树与集成学习71-80天，BP神经网络
闵帆·2023-04-13 09:07

Kaggle神器LightGBM最全解读（附代码说明）！

Microstrong，编辑：AI有道本文主要内容概览：1.LightGBM简介GBDT(GradientBoostingDecisionTree)是机器学习中一个长盛不衰的模型，其主要思想是利用弱分类器（决策树
Sim1480·2023-04-13 08:23

LightGBM——提升机器算法详细介绍（附代码）

LightGBM——提升机器算法前言LightGBM是个快速的，分布式的，高性能的基于决策树算法的梯度提升框架。可用于排序，分类，回归以及很多其他的机器学习任务中。
M_Q_T·2023-04-13 08:50

决策树——CART算法

对于C4.5算法，我们也提到了它的不足，比如模型是用较为复杂的熵来度量，使用了相对较为复杂的多叉树，只能处理分类不能处理回归等。对于这些问题，CART算法大部分做了改进。
今天没捡垃圾·2023-04-13 05:11

一文看懂提升树与梯度提升树（GBDT）

实际上，AdaBoost更多的是一种算法思路，其并没有指定基函数是决策树还是其他。对于分类问题，提升树的基
巴涅波赫夫·2023-04-13 02:15

【数据分析4】scikit-learn机器学习

1.机器学习方法：•构造间隔理论分布：聚类分析和模式识别•人工神经网络•决策树•感知器•支持向量机•集成学习AdaBoos•降维与度量学习•聚类•贝叶斯分类器•构造条件概率：回归分析和统计分类•高斯过程回归
ZEVIN LI·2023-04-12 23:24

机器学习之模型理论的面试问题2018-6-28

1）、这个区别是根据线形映射，即y与x之间的关系为标准分的类；逻辑回归和SVM是线形判别器，决策树是非线形分类器不同的问题不同的结果2、决策树可以处理连续性变量吗？
静静1000·2023-04-12 22:44

2021-02-10 Xgboost超参调整

在决策树的升级版本Xgboost，在Kaggle比赛中曾经屡战奇功的模型工具提上议程。Xgboost是以树的形式进行计算，比较容易过拟合，而且除了像线性模型一些比较好用的参数可以调整之外，树
春生阁·2023-04-12 02:37

决策树随笔

最近在学习Pyspark的过程中，了解到了决策树算法（DecisionTree）和随机森林（RandomForest），在学习过程中，为了加深了解以及避免遗忘，做随笔记录如下。
风筝flying·2023-04-12 01:27

3.2 决策树

3.2决策树李沐B站：https://space.bilibili.com/1567748478/channel/collectiondetail?
ch_ccc·2023-04-11 23:58

【机器学习】决策树（实战）

决策树（实战）目录一、准备工作（设置jupyternotebook中的字体大小样式等）二、树模型的可视化展示1、通过鸢尾花数据集构建一个决策树模型2、对决策树进行可视化展示的具体步骤3、概率估计三、决策边界展示四
酱懵静·2023-04-11 23:57

十大机器学习算法

举个例子来说，你不能说神经网络永远比决策树好，反之亦然。模型运行被许多因素左右，例如数据集的大小和结构。因此，你应该根据你的问题尝试许多不同的算法，同时使用数据测试集来评估性能并选出最优项。
andyham·2023-04-11 23:42

【机器学习】案例一：随机森林预测泰坦尼克号生还概率

数据清洗及可视化介绍知识点环境准备数据特征介绍检查数据相关系数缺失值偏态分布数值化和标准化离群点实验总结一【二】分类模型训练及评价介绍环境准备模型评估模型选择性能度量实验总结二【三】随机森林分类器及其参数调节介绍知识点实验原理决策树集成学习随机森林
让机器理解语言か·2023-04-11 23:49

数据挖掘-决策树算法

决策树算法是一种比较简易的监督学习分类算法，既然叫做决策树，那么首先他是一个树形结构，简单写一下树形结构（数据结构的时候学过不少了）。
花讽院_和狆·2023-04-11 15:58

CART分类树算法的最优特征选择

在C4.5算法中，采用了信息增益比来选择特征，以减少信息增益容易选择特征值多的特征的问题。但是无论是ID3还是C4.5,都是基于信息论的熵模型的，这里面会涉及大量的对数运算。
张荣华_csdn·2023-04-11 14:41

决策树6：分类与回归树CART

根据某一个维度d和某一个阈值v进行二分，得到的决策树是
木东居士·2023-04-11 14:11

决策树算法介绍（ID3算法和CART算法）

文章目录一、ID3算法二、CART算法一、ID3算法信息熵：加入当前样本集D中第K类样本所占的比例为Pk（k=1，2…|K|），K为类别的总数（对于二元分类来说，K=2），则样本集的信息熵为：Ent(D)的值越小，则D的纯度越高。信息增益：是由两个熵相减得来的，是由经过特征分裂后的熵减去分裂前结点的熵。假定离散属性a有V个可能的取值{a1,a2,…av}，如果使用特征a来对数据集D进行划分，则会产
Monster”·2023-04-11 14:06

Cart分类树算法之原理篇

CART算法由一下两步组成：（1）决策树的生成：基于训练数据集生成决策树，生成的决策树要尽量大；（2）决策树的剪枝：用验证数据集对已生成的树进行剪枝并选择最优子树，这时用损失函数最小作为剪枝的标准。
happinesslz·2023-04-11 14:34

数学建模教学：常用算法 --- CART-分类回归树算法

CART算法有两步决策树生
建模君Assistance·2023-04-11 14:34

CART（分类回归树）分类算法原理

目的生成一颗决策树，输入X（各种特征条件）输出Y（该样本分类结果）。
Subin_·2023-04-11 14:04

CART分类树算法

在C4.5算法中，采用了信息增益比来选择特征，以减少信息增益容易选择特征值多的特征的问题。但是无论是ID3还是C4.5,都是基于信息论的熵模型的，这里面会涉及大量的对数运算。
吃肉的小馒头·2023-04-11 14:32

机器学习强基计划8-2：详细推导多维缩放MDS算法(附Python实现)

“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。强基计划实现从理论到实践的全面覆盖，由本人亲自从底层编写、测试与文章配套
Mr.Winter`·2023-04-11 05:32

python决策树预测模型_Python机器学习算法库scikit-learn学习之决策树实现方法详解...

本文实例讲述了Python机器学习算法库scikit-learn学习之决策树实现方法。分享给大家供大家参考，具体如下：决策树决策树(DTs)是一种用于分类和回归的非参数监督学习方法。
weixin_39845206·2023-04-11 04:23

机器学习分类与算法（总结）

目录机器学习算法之旅根据学习方式进行分类基于问题类型进行分类回归算法基于实例的算法正则化算法决策树算法贝叶斯算法聚类算法关联规则学习算法人工神经网络算法深度学习算法降维算法集成算法机器学习算法之旅在这篇文章中
M_Q_T·2023-04-11 02:57

机器学习基础——数据集与估计器、k近邻算法

1、sklearn数据集与估计器2、分类算法-k近邻算法3、k-近邻算法实例4、分类模型的评估5、分类算法-朴素贝叶斯算法6、朴素贝叶斯算法实例7、模型的选择与调优8、决策树与随机森林1、sklearn
咸鱼2K·2023-04-11 01:19

数据挖掘-随机森林

随机森林（RandomForest）是一类专门为决策树分类器设计的组合方法，关于组合方法可以参考https://www.jianshu.com/p/9e4db2759866中提到的组合方法相关内容。
花讽院_和狆·2023-04-10 19:58

决策树人工智能预测模型_部署和服务AI模型进行预测的10种方法

决策树人工智能预测模型Creatingamodelisjustonestepinthejourneytoreal-worldAI.Deployingmeansturningyourmodel—whetherit
weixin_26632369·2023-04-10 18:07

好用的软件：Modeler

打开后，界面如下所示：image.png一些Tips：1.交互式输出决策树：用来输出决策树及策略，同时手动控制树的生长，让策略具有较强的灵活性并按照符合业务解释性的方向生长image.png
风控_平衡的艺术·2023-04-10 17:02

PyTorch深度学习实战 | 基于线性回归、决策树和SVM进行鸢尾花分类

本文将使用决策树、线性回归、
TiAmo zhang·2023-04-10 15:03

逻辑回归

此外，LR属于判别模型，有很多正则化模型方法(L0,L1,L2)，与决策树和SVM相比，它能得到一个不错的概率解释。在LR中，
麦兜儿流浪记·2023-04-10 14:36

人工智能基础概念1：模型、拟合、最大似然估计、似然函数、线性回归、sigmoid函数、逻辑回归

常见的模型包括神经网络、朴素贝叶斯、决策树等。拟合是指将数据或样本用某种模型或函数进行匹配或拟合，使得该模型或函数可以最大程度地预测或描述数据或样本中的
LaoYuanPython·2023-04-10 03:33

六、集成学习五、集成学习（Boosting、三)

XGBoost，精度也还可以，其设计理念为：-单个机器在不牺牲速度的情况下，尽可能使用上更多的数据-多机并行时，通信的代价尽可能的低，并且在计算上可以做到线性加速所以其使用分布式的GBDT，选择了基于直方图的决策树算法
万物皆可代码·2023-04-10 02:38

随机森林回归算法讲解

它通过使用多个决策树对数据进行建模，并将它们的预测结果进行集成，从而提高了模型的性能和稳定性。
爱吃熊掌的鱼·2023-04-10 02:19

日撸 Java 三百行（11-20天，线性数据结构）

目录总述01-10天，基本语法11-20天，线性数据结构21-30天，树与二叉树31-40天，图41-50天，查找与排序51-60天，kNN与NB61-70天，决策树与集成学习71-80天，BP神经网络
闵帆·2023-04-09 21:19

PMP必考计算题

项目时间管理中的时差计算、关键路径识别、三点估算法、偏差/概率类计算；项目成本管理中的挣值类计算、涉及财会类知识，如净现值、折旧、回收期等概念的计算；项目沟通管理中的沟通渠道数量计算；项目风险管理中的预期货币价值分析计算、决策树分析计算
幽若之灵·2023-04-09 18:00

R语言 决策树

决策树是以树的形式表示选择及其结果的图。图中的节点表示事件或选择，并且图的边缘表示决策规则或条件。它主要用于使用R的机器学习和数据挖掘应用程序。
yuanyb·2023-04-09 16:21

XGBoost（三）：Python语言实现

1、XGBoost库Python中，可直接通过“pipinstallxgboost”安装XGBoost库，基分类器支持决策树和线性分类器。2、XGBoost代码实现本例中我们使
三猫后端·2023-04-09 13:42

金融风控之贷款违约预测挑战赛 Task4

查看数据略3、特征工程略4、建模与调参4.1模型原理学习逻辑回归模型（已学完）训练速度快、可解释性好、占用资源少需要处理缺失值和异常值；不能解决非线性问题；难处理多重共线性数据，难处理数据不均衡；准确率不高决策树模型简单直观
怕热的波波·2023-04-09 09:18

不平衡数据分类方法

传统分类器对于不平衡数据的不适用性传统分类方法有：决策树法，朴素贝叶
甜瓜出逃中·2023-04-09 08:18

A.机器学习入门算法[七]：基于英雄联盟数据集的LightGBM的分类预测

的分类预测机器学习入门算法（三）：基于鸢尾花和horse-colic数据集的KNN近邻(k-nearestneighbors)分类预测机器学习入门算法（四）:基于支持向量机的分类预测机器学习入门算法（五）：基于企鹅数据集的决策树分类预测机器学习入门算法
汀、人工智能·2023-04-09 04:10

A.机器学习入门算法（八）：基于BP神经网络的乳腺癌的分类预测

的分类预测机器学习入门算法（三）：基于鸢尾花和horse-colic数据集的KNN近邻(k-nearestneighbors)分类预测机器学习入门算法（四）:基于支持向量机的分类预测机器学习入门算法（五）：基于企鹅数据集的决策树分类预测机器学习入门算法
汀、人工智能·2023-04-09 04:10

A.机器学习入门算法（九）: 基于线性判别模型的LDA手写数字分类识别

的分类预测机器学习入门算法（三）：基于鸢尾花和horse-colic数据集的KNN近邻(k-nearestneighbors)分类预测机器学习入门算法（四）:基于支持向量机的分类预测机器学习入门算法（五）：基于企鹅数据集的决策树分类预测机器学习入门算法
汀、人工智能·2023-04-09 04:10

A.机器学习入门算法（五）：基于企鹅数据集的决策树分类预测

的分类预测机器学习入门算法（三）：基于鸢尾花和horse-colic数据集的KNN近邻(k-nearestneighbors)分类预测机器学习入门算法（四）:基于支持向量机的分类预测机器学习入门算法（五）：基于企鹅数据集的决策树分类预测机器学习入门算法
汀、人工智能·2023-04-09 04:09

A.机器学习入门算法（六）基于天气数据集的XGBoost分类预测

的分类预测机器学习入门算法（三）：基于鸢尾花和horse-colic数据集的KNN近邻(k-nearestneighbors)分类预测机器学习入门算法（四）:基于支持向量机的分类预测机器学习入门算法（五）：基于企鹅数据集的决策树分类预测机器学习入门算法
汀、人工智能·2023-04-09 04:09

A.机器学习入门算法（三）：基于鸢尾花和horse-colic数据集的KNN近邻(k-nearest neighbors)分类预测

的分类预测机器学习入门算法（三）：基于鸢尾花和horse-colic数据集的KNN近邻(k-nearestneighbors)分类预测机器学习入门算法（四）:基于支持向量机的分类预测机器学习入门算法（五）：基于企鹅数据集的决策树分类预测机器学习入门算法
汀、人工智能·2023-04-09 04:39
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他