c4.5决策树

回溯算法详解

回溯算法框架,相当于一颗树(决策树),每个节点对应一个选择(合理答案),记录路径选择列表(当前可以做的选择)路径(已经做出的选择)结束条件(无法再做选择的条件)result=[]defbacktrack
困兽犹斗z·2024-01-14 21:59

史诗级长文--朴素贝叶斯

该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。
SQingL·2024-01-14 18:38

史诗级长文--决策树

决策树决策树(decisiontree)是一种基本的分类与回归方法。
SQingL·2024-01-14 18:08

【算法笔记】回溯专题

在不剪枝的情况下，通过选择和撤销，回溯法（或者说其实就是dfs）可以遍历决策树的全部节点，因为很适合做一些枚举全部可能解的工作。
_六六_·2024-01-14 14:58

【机器学习与R语言】7-回归树和模型树

1.理解回归树和模型树决策树用于数值预测：回归树：基于到达叶节点的案例的平均值做出预测，没有使用线性回归的方法。模型树：在每个叶节点，根据到达该节点的案例建立多元线性回归模型。
生物信息与育种·2024-01-14 10:18

工智能基础知识总结--决策树

什么是决策树决策树表示基于特征对实例进行分类的树形结构，从给定的训练数据集中，递归选择最优划分特征，依据此特征对训练数据集进行划分，直到结点符合停止条件。
北航程序员小C·2024-01-14 09:23

数据分析

数据分析方法现状分析(对比法:对比分析法、平均分析法、综合评价分析法...)原因分析(细分法:分组分析法、结构分析法、交叉分析法、杜邦分析法、漏斗图分析法、矩阵关联分析法...)预测分析(预测法:回归分析、决策树
水调歌头_f072·2024-01-13 16:51

机器学习-决策树

1、什么是决策树？一种描述概念空间的有效的归纳推理办法。基于决策树的学习方法可以进行不相关的多概念学习，具有简单快捷的优势，已经在各个领域取得广泛应用。
有语忆语·2024-01-13 07:10

概率论——成甲《好好学习》

2.决策树：决策树上每一个分支的概率，不是“乱猜”的，而是根据身边的类似情况来进行
小丫妈妈悠然·2024-01-13 05:13

机器学习案例【决策树】--泰坦尼克号幸存者预测

前置知识点：数据的处理与清洗交叉验证网格搜索1.数据处理：查看数据信息：data.info()data.head()将文字转为数字:我们的决策树的分类器只能处理数字，所以我们的标签的类型必须是数字,所以如果下面的特征是
Stitch的实习日记·2024-01-13 03:05

集成学习原理概要 (随机森林, gbdt, XGBoost)

1.分类决策树基本特征：每个叶子节点是一个决策分类，比如买这件商品或者不买；比如去A商场还是B、C商场。每个中间节点是一个特征的判断。分裂决策：信息增益。
Caucher·2024-01-13 02:11

最全总结！一篇文章带你学会回溯算法

抽象地说，解决一个回溯问题，实际上就是遍历一棵决策树的过程，树的每个叶子节点存放着一个合法答案。你把整棵树遍历一遍，把叶子节点上的答案都收集起来，就能得到所有的合法答案。
Sloent·2024-01-12 22:16

分类算法入门：决策树、朴素贝叶斯与最近邻算法

目录写在开头1.常用的分类算法2.决策树算法2.1基本原理2.2建模流程2.3实践案例：垃圾邮件分类3.朴素贝叶斯3.1基本原理3.2建模流程3.3实践案例4.最近邻算法4.1基本原理4.2建模流程4.4
theskylife·2024-01-12 20:01

【Python机器学习】决策树集成——梯度提升回归树

理论知识：梯度提升回归树通过合并多个决策树来构建一个更为强大的模型。虽然名字里有“回归”，但这个模型既能用于回归，也能用于分类。
zhangbin_237·2024-01-12 14:27

决策树（公式推导+举例应用）

文章目录引言决策树学习基本思路划分选择信息熵信息增益增益率（C4.5）基尼指数（CART）剪枝处理预剪枝（逐步构建决策树）后剪枝（先构建决策树再剪枝）连续值与缺失值处理连续值处理缺失值处理结论实验分析引言随着信息时代的发展
Nie同学·2024-01-12 14:56

机器学习-0基础

载入数据与理解数据1.1导入数据1.2数据查看2.数据准备与特征过程1.2数据预处理-缺省值-异常值异常值：3特征工程模型与优化sklearn中模型的常用方法sklearn中的模型线性回归逻辑回归朴素贝叶斯算法NB决策树
猿戴科·2024-01-12 09:47

【手搓深度学习算法】用决策树预测天气-连续数据篇

用决策树预测天气-连续数据篇前言在机器学习和数据科学领域，决策树是一种非常强大且易于理解的预测模型。
精英的英·2024-01-12 08:56

ChatGPT4在Python数据分析、自动生成代码等方面的强大功能丨人工智能领域经典机器学习算法丨热门深度学习方法及Python、PyTorch代码实现方法

同时更加系统地学习人工智能（包括传统机器学习、深度学习等）的基础理论知识，以及具体的代码实现方法，掌握ChatGPT4.0在科研工作中的各种使用方法与技巧，以及人工智能领域经典机器学习算法（BP神经网络、支持向量机、决策树
小艳加油·2024-01-12 06:37

Python+ChatGPT，Python与ChatGPT结合进行数据分析、自动生成代码、人工智能建模、论文高效撰写等

同时更加系统地学习人工智能（包括传统机器学习、深度学习等）的基础理论知识，以及具体的代码实现方法，掌握ChatGPT4.0在科研工作中的各种使用方法与技巧，以及人工智能领域经典机器学习算法（BP神经网络、支持向量机、决策树
WangYan2022·2024-01-12 06:02

【数模百科】一篇文章讲清楚决策树如何进行构造和剪枝

本篇文章节选自决策树的构造-数模百科。如果你想了解更多关于决策树算法的信息，请移步决策树-数模百科。首先讲讲决策树是啥。举个简单的例子。
小树modelwiki·2024-01-12 04:54

[23-24 秋学期] NNDL-作业2 HBU

交叉熵损失函数我未曾了解过，只在决策树一节中学习过关于熵entropy的基本概念。借此机会弄清原理，并且尝试着学会应用它。对于习题2-12，考察对混淆矩阵的理解程度和计算。
洛杉矶县牛肉板面·2024-01-12 00:53

随机森林回归（Random Forest Regression）

什么是机器学习随机森林回归（RandomForestRegression）是一种基于集成学习的回归算法，它通过整合多个决策树的预测结果来提高模型的性能和鲁棒性。
草明·2024-01-11 23:57

决策树回归（Decision Tree Regression）

什么是机器学习**决策树回归（DecisionTreeRegression）**是一种机器学习算法，用于解决回归问题。与分类问题不同，回归问题的目标是预测连续型变量的值，而不是离散的类别。
草明·2024-01-11 23:27

XGBoost（eXtreme Gradient Boosting）

以下是XGBoost的基本原理和使用方法：基本原理弱学习器：XGBoost使用决策树作为基础学习器，这些决策树被称为“提升树”。正则化
草明·2024-01-11 23:56

2019年认证杯SPSSPRO杯数学建模C题(第一阶段)保险业的数字化变革全过程文档及程序

2019年认证杯SPSSPRO杯数学建模基于CART决策树和SVR的客户续保概率预测C题保险业的数字化变革原题再现：  车险，即机动车辆保险。
数模竞赛Paid answer·2024-01-11 20:36

多种垃圾邮件识别方案总结以及判定垃圾邮件的标准，8种机器学习方式进行实战对比:朴素贝叶斯、逻辑回归、支持向量机、KNN、决策树、随机森林、GDBT、神经网络(附数据集和源码)

多种垃圾邮件识别方案总结以及判定垃圾邮件的标准，8种机器学习方式进行实战对比:朴素贝叶斯、逻辑回归、支持向量机、KNN、决策树、随机森林、GDBT、神经网络(附数据集和源码)。
代码讲故事·2024-01-11 11:59

决策树--CART分类树

1、介绍（1）简介CART（ClassificationandRegressionTrees）分类树是一种基于决策树的机器学习算法，用于解决分类问题。它通过构建树状的决策规则来对数据进行分类。
bb8886·2024-01-11 09:15

【机器学习】常见算法详解第1篇：K近邻 KNN和API使用（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·2024-01-11 02:39

11.决策树的划分基础：信息熵

划分数据集是决策树算法的关键。划分的方法也多种多样，有ID3，C4.5，CART等。
坛城守护者·2024-01-10 20:22

机器学习 -- 贝叶斯决策理论

场景之前我们通过k近邻算法和决策树做出了分类，这是分类器会给出一个艰难的预测的最优的结果，我们可以根据这个结果做出决策，但是这个结果如果是错误的，就芭比扣了。
北堂飘霜·2024-01-10 20:19

【人工智能Ⅰ】复习汇总（各章节详细知识点梳理手写版）

1：人工智能导论2：知识表示3：遗传算法及其应用4：蚁群算法5：粒子群算法6：分类7：KNN和决策树8：回归和降维9：聚类10：人工神经网络11：支持向量机
MorleyOlsen·2024-01-10 20:43

特征工程（特征提取&数据预处理）

其实现在只是建立了一个初步的模型，在之后使用决策树、正则化等算法可以减少特征数量）二、特征缩放（数据预处理）1.1了解特
Visual code AlCv·2024-01-10 20:17

【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

梯度提升决策树（Gradient Boosting Decision Trees，GBDT）

梯度提升决策树（GradientBoostingDecisionTrees，GBDT）提升树是以分类树或回归树为基本分类器的提升方法。提升树被认为是统计学习中性能最好的方法之一。
孤嶋·2024-01-10 08:08

C2-3.3.4 One-hot编码

C2-3.3.4决策树-One-hot编码+连续价值数据分类前面提到的决策树——判断是否是“猫”，利用的是二叉树原理——即：只有两个判断结果“是否软耳”、“是否有胡子”…但是面对有：三个/多个选项（树的分叉
帅翰GG·2024-01-10 06:13

【Python机器学习】用于回归的决策树

用于回归的决策树与用于分类的决策树类似，在DecisionTreeRegressor中实现。DecisionTreeRegressor不能外推，也不能在训练数据范围之外的数据进行预测。
zhangbin_237·2024-01-10 06:10

【Python机器学习】决策树——树的特征重要性

利用一些有用的属性来总结树的工作原理，其中最常用的事特征重要性，它为每个特征树的决策的重要性进行排序。对于每个特征来说，它都是介于0到1之间的数字，其中0代表“根本没有用到”，1代表“完美预测目标值”。特征重要性的求和为1。将特征重要性进行可视化：importmglearn.datasetsimportnumpyasnpfromsklearn.treeimportDecisionTreeClass
zhangbin_237·2024-01-10 06:40

【Python机器学习】决策树的优缺点

控制决策树模型复杂度的参数是预剪枝参数，它在树完全展开之前停止树的构造。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。
zhangbin_237·2024-01-10 06:40

C2-4.3.1 多个决策树——随机森林

C2-4.3.1多个决策树——随机森林参考链接1、为什么要使用多个决策树——随机森林？
帅翰GG·2024-01-10 06:04

C2-4.2.2 决策树-纯度+信息熵+信息增益

C2-4.2.2决策树-纯度+信息熵+信息增益1、首先了解他的应用背景——决策树其实说白了，就是一个二叉树2、纯度我们举一个买黄金的例子吧！黄金有999和9999。
帅翰GG·2024-01-10 06:04

【Python机器学习】决策树集成——随机森林

随机森林本质上是许多决策树的集合，其中每棵树都和其他数略有不同，随机森林背后的思想是：每棵树的预测可能都比较好，但是可能对部分数据过拟合，如果构造很多树，并且每棵预测的都很好，但都以不同的方式过拟合，那么可以对这些树的结果取平均来降低过拟合
zhangbin_237·2024-01-10 06:33

AI量化策略 篇一：方向综述

方向循环神经网络(RNN)卷积神经网络(CNN)深度自回归网络（DeepAR）其他长短时记忆网络(LSTM)线性回归模型自回归模型（ARIMA,GARCH）随机森林（RandomForests）梯度提升决策树
李小白杂货铺·2024-01-10 04:08

项目分享：机器学习电影票房分析与预测系统

采用多元线性回归模型、决策树回归模型、Ridgeregression岭回归模型、Lassoregression岭回归模型和随机森林回归模型实现票房的
switch_mooood·2024-01-10 03:49

机器学习 -决策树的案例

场景我们对决策树的基本概念和算法其实已经有过了解，那我们如何利用决策树解决问题呢？
北堂飘霜·2024-01-09 08:12

【Python机器学习】构造决策树

通常来说，构造决策树直到所有叶结点都是纯的叶结点，但这会导致模型非常复杂，并且对于训练数据高度过拟合。
zhangbin_237·2024-01-09 08:28

《穷查理宝典》|培养多元思维模型

当你手中只有一种工具的时候，你就只能用这种工具来干活，所以芒格说，最重要的事情是要牢牢记住一系列原理，什么复利原理、排列组合原理、决策树理论、误判心理
大庆思考笔记·2024-01-09 07:40

决策树与随机森林

决策树是一个预测模型，它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表某个可能的属性值，而每个叶节点则对应从根节点到该叶节点所经历的路径所表示的对象的值。
爱静的龙猫·2024-01-08 22:17

浅谈树模型与集成学习-从决策树到GBDT

引言  神经网络模型，特别是深度神经网络模型，自AlexNet在ImagenetChallenge2012上的一鸣惊人，无疑是MachineLearningResearch上最靓的仔，各种进展和突破层出不穷，科学家工程师人人都爱它。  机器学习研究发展至今，除了神经网络模型这种方法路径外，还存在许多大相径庭的方法路径，比如说贝叶斯算法、遗传算法、支持向量机等，这些经典算法在许多场景上也一直沿用。本
凹凸实验室·2024-01-08 21:02
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他