c4.5决策树

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

DFS入门

一.概念dfs，深度搜索算法，又可以认为是回溯算法，它其实就是一个决策树的遍历问题，遍历出所有情况，但是先深度后广度。用另外一个名称说这个问题其实就是穷举，穷举能做出的所有选择。
城堡修炼者·2023-12-31 06:35

决策树中各个参数（内有详细参数分析）

首先，我们要知道决策树有哪些参数criterion:Any="gini"splitter:Any="best"max_depth:Any=None.min_samples_split:Any=2min_samples_leaf
什么不到的小白·2023-12-30 11:40

机器学习实战--adaboost

算法优点：泛化错误率低，易编码，可应用在大部分分类器上，无需参数的调整算法缺点：对离群点很敏感算法步骤：这里我们用多个单层分类决策树为例（buildStump）对每次循环：1
sunnyxiaohu·2023-12-30 10:19

【华为OD】人工智能面试题目

解释一下决策树、随机森林和梯度提升机等监督学习算法的基本原理。什么是神经网络？它可以解决哪些问题？解释一下反向传播算法的基本原理。如何处理数据不平衡问题？什么是交叉验证？为什么它在机器学习中很重要？
道亦无名·2023-12-30 10:13

Matlab：BP神经网络算法，二叉决策树

1、BP神经网络算法(1)步骤1.准备训练数据和目标值2.创建并配置BP神经网络模型3.训练BP神经网络模型4.用BP神经网络模型预测数据例：某企业第一年度营业额为132468，第二年度为158948，第三年度为183737，预测第四年度的营业额%准备训练数据和目标值x=[123]';%年度y=[132468158948183737]';%营业额%创建BP神经网络模型net=feedforward
不吃橘子的橘猫·2023-12-30 09:00

机器学习系列06：决策树

如果你很关心模型的可解释性，那么决策树（DecisionTree）算法当之无愧为首选。
加百力·2023-12-30 07:00

机器学习系列13：通过随机森林获取特征重要性

随机森林里面包含了多棵决策树，我们可以通过计算特征在每棵决策树决策过程中所产生的的信息增益平均值来衡量该特征的重要性。
加百力·2023-12-30 07:58

机器学习系列10：数据预处理——特征缩放

除了决策树和随机森林这两种不需要
加百力·2023-12-30 07:02

如何信任机器学习模型的预测结果？

模型自解释结果与LIME解释结果的对比随机森林回归模型是基于决策树的集成模型，因此，模型本身也具有可解释性。
叁苏言·2023-12-29 20:35

数据挖掘 分类模型选择

选择的模型有：决策树、朴素贝叶斯、K近邻、感知机调用的头文件有：importnumpyasnpimportpandasaspdfrommatplotlibimportpyplotaspltfromsklearn.linear_modelimportPerceptronfromsklearn.naive_bayesimportGaussianNBfromsklearn.neighborsimport
亖嘁·2023-12-29 09:31

【SXC_231228】使用Sklearn决策树分析商品评价有用性

importrandomimportstringfromdatetimeimportdatetimedefgenerate_random_string(length=3):characters=string.ascii_uppercasereturn''.join(random.choice(characters)for_inrange(length))defgenerate_timestampe
civilpy·2023-12-29 07:04

模型调参

模型调参模型调参的具体操作1.学习目标2.模型对比与性能2.1逻辑回归2.2决策树模型2.3集成模型集成方法（ensemblemethod）2.4模型评估方法3.模型调参的三种方法3.1贪心算法3.2网格调参
alstonlou·2023-12-28 23:43

【已解决】TypeError: __init__() got an unexpected keyword argument ‘min_impurity_split‘

建立随机森林模型随机森林是若干决策树组成的集成模型，训练速度较快，性能也较好。
ZERWW·2023-12-28 21:14

数据分析入门自学计划制定--20180520

2、深入浅出统计学：要了解常用数理统计模型(描述统计指标、聚类、决策树、贝叶斯分类、回归等)，重点放在学习模型的工作原理、输入内容和输出内容，至
先生买多花吧·2023-12-28 19:30

R语言机器学习与临床预测模型36--随机森林Random Forest

随机森林（RF，RandomForest）是非常具有代表性的Bagging集成算法，它的所有基评估器都是决策树，分类树组成的森林就叫做随机森林分类器，回归树所集成的森林就叫做随机森林回归器。
科研私家菜·2023-12-28 15:21

模式识别与机器学习（十二）：Stacking

原理在本次实验中以决策树、svm和随机森林为基学习器，以决策树为元学习器。
从零开始的奋豆·2023-12-28 10:38

模式识别与机器学习（十二）：随机森林

RF在以决策树为基学习器构建Bagging集成的基础上，在决策树的训练过程中引入随机属性选择。训练每颗决策树时随机选出部分特征作为输入，所以该算法被称为随机森林算法。
从零开始的奋豆·2023-12-28 10:34

【报错解决】graphviz.backend.execute.ExecutableNotFound: failed to execute ‘dot‘, make sure the Graphviz

报错描述在pytorch用torchviz模块进行可视化，没有生成决策树的图，而是报以下错误：graphviz.backend.execute.ExecutableNotFound:failedtoexecute'dot
小白冲鸭·2023-12-28 04:21

PYTHON基础：决策树与随机森林算法

决策树与随机森林算法决策树和随机森林都是用于分类和回归的的算法。决策树的原理是通过一系列的问题进行if、else的推导。随机森林是集合学习算法，即把很多的机器学习算法综合在一起组成一个更大的模型。
翼达口香糖·2023-12-27 22:55

1.决策树

目录1.什么是决策树?2.决策树的原理2.1如何构建决策树？
还是那个同伟伟·2023-12-27 18:02

机器学习——决策树（一）

1、简介决策树(decisiontree)是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于或等干0的概率，用以评价项且风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法
风月雅颂·2023-12-27 18:31

MachineLearning 8. 癌症诊断机器学习之随机森林（Random Forest)

前言随机森林是由很多决策树构成的，不同决策树之间没有关联。
90066456ace6·2023-12-27 09:25

工具系列：TensorFlow决策森林_(5)使用文本和神经网络特征

文章目录设置使用原始文本作为特征使用预训练的文本嵌入同时训练决策树和神经网络构建模型训练和评估模型欢迎来到TensorFlow决策森林（TF-DF）的中级教程。
愤斗的橘子·2023-12-27 04:28

机器学习——决策树（二）

1、分类与回归决策树描述的是通过一系列规则对数据进行分类的过程。决策树分为分类树和回树两种，分类树的对离散变量进行决策，回归树用于对连续变量进行决策。
风月雅颂·2023-12-27 03:17

机器学习——决策树（三）

1、案例一决策树用于是否赖床问题。采用决策树进行分类，要经过数据采集、特征向量化、模型训练和决策树可视化4个步骤。
风月雅颂·2023-12-27 03:17

摆脱拖延症，从这三个“被动工具”开始

比如：思考与表达：金字塔结构、黄金圈法则、STAR、5W1H战略与分析：SWOT、PEST、波特五力模型、BCG矩阵管理与决策：PDCA、WBS、决策树分析、KT决策法目标与时间：SMART、甘特图、时间管理矩阵
葛仲然·2023-12-27 00:47

特征工程——特征归一化

所以数据需要归一化在实际应用过程中呢并不是所有的模型都需要归一化，比如需要梯度下架的模型是比较需要线性回归逻辑回归各种神经网络支持向量机但是决策树却不需要，这是因为
乔大叶_803e·2023-12-26 20:13

《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

[#2 李怀森]决策树的分析

理解决策树的第一步是分清根节点决策节点事件节点和终端节点，根节点代表决策树的起点，事件节点说的是一项冒险赌博的可能结果，决策节点是指决策者可能做的选择，终端节点通常是指早先的冒险，后果及其相关决策的最终结果
李怀森·2023-12-26 16:18

工具系列：TensorFlow决策森林_(3)使用dtreeviz可视化

文章目录介绍设置安装TF-DF和dtreeviz导入库可视化分类树加载、清洗和准备数据分割训练/测试集并训练模型训练一个随机森林分类器显示决策树检查叶节点统计信息决策树如何对实例进行分类特征空间划分可视化回归树加载
愤斗的橘子·2023-12-26 14:51

机器学习系列_朴素贝叶斯（1）（原理、python代码、实战）

本文经作者允许转载自公众号：月半一更链接：https://mp.weixin.qq.com/s/v-FN3rG97Hr8Ez_fnkwpTw前文中的K-近邻、决策树分类器，给出的分类决策都是确定性的，即
大大的肥猫·2023-12-26 07:26

手把手教你：电影数据分析与可视化系统

系列文章手把手教你：基于Django的新闻文本分类可视化系统（文本分类由bert实现）手把手教你：基于python的文本分类（sklearn-决策树和随机森林实现）手把手教你：岩石样本智能识别系统一、项目简介本文主要介绍如何使用
大雾的小屋·2023-12-26 05:09

决策树-ID3，C4.5，CART

决策树直观上，决策树是一个树结构，从根节点开始，测试待分类项中相应的特征属性（每次只测一个特征维度），并按照其值选择输出分支，直到到达叶子节点，将叶子节点存放的类别作为决策结果西瓜书里的图在挑西瓜模型中
莱昂纳多91·2023-12-25 09:15

Python数据科学视频讲解：特征决策树分箱

5.3特征决策树分箱视频为《Python数据科学应用从入门到精通》张甜杨维忠清华大学出版社一书的随书赠送视频讲解5.3节内容。本书已正式出版上市，当当、京东、淘宝等平台热销中，搜索书名即可。
数据科学作家·2023-12-25 06:09

使用决策树预测隐形眼镜类型

任务描述本关任务：编写一个例子讲解决策树如何预测患者需要佩戴的隐形眼镜类型。
yzw哒哒哒·2023-12-24 23:51

【Python特征工程系列】利用梯度提升（GradientBoosting）模型分析特征重要性（源码）

特征重要性分析可以识别并关注最具信息量的特征，从而带来以下几个优势:改进的模型性能减少过度拟合更快的训练和推理增强的可解释性前期相关回顾：【Python特征工程系列】8步教你用决策树模型分
数据杂坛·2023-12-24 21:11

【Python机器学习系列】建立决策树模型预测心脏疾病（完整实现过程）

一、问题对于表格数据，一套完整的机器学习建模流程如下：针对不同的数据集，有些步骤不适用即不需要做，其中橘红色框为必要步骤，其余步骤我将单独写文章详细介绍。同时欢迎大家关注翻看我之前的一些相关文章。一文彻底搞懂机器学习中的归一化与反归一化问题【Python机器学习系列】一文彻底搞懂机器学习中表格数据的输入形式（理论+源码）【Python特征工程系列】利用随机森林模型分析特征重要性（源码）【Pytho
数据杂坛·2023-12-24 20:41

决策树的剪枝、连续与缺失

剪枝处理剪枝是决策树学习算法对付“过拟合”的主要手段。剪枝的基本策略有预剪枝和后剪枝两种。
New_Learner·2023-12-24 20:55

【机器学习】决策树

分裂原则信息增益信息增益比基尼指数3终止&剪枝3.1终止条件无需分裂当前节点内样本同属一类无法分裂当前节点内所有样本的特征向量完全相同采用任何特征都无法将当前样本集分为多个子类无数据可分当前节点内没有样本3.2剪枝剪枝的目的：解决决策树
qq_1532145264·2023-12-23 23:32

【机器学习】朴素贝叶斯（Naive Bayes）

【机器学习】k近邻算法（KNN）【机器学习】决策树（DecisionTree）【机器学习】朴素贝叶斯（NaiveBayes）1.概述贝叶斯分类算法是统计学的一种概率分类方法，朴素贝叶斯分类（NaiveBayes
蓝色蛋黄包·2023-12-23 23:01

【机器学习】朴素贝叶斯算法（Naive Bayes，NB）

在许多场合，朴素贝叶斯(NaïveBayes，NB)分类算法可以与决策树和神经网络分类算法相媲美，该算法能运用到大型数据库中，而且方法简单、分类准确率高、速度快。
小田学Python·2023-12-23 23:00

思维方法

帮助你提高决策能力的书籍：KT法、概率决策树、麦穗理论累了，就要好好休息，不要总是强迫身体去执行～加油，努力的人们，明天又是新的一天，新的开始了！
紫以然·2023-12-23 23:12

模式识别与机器学习（十）：梯度提升树

以决策树为基函数的提升方法称为提升树（boostingtree）。对分类问题决策树是二叉分类树，对回归问题决策树是二叉回归树。
从零开始的奋豆·2023-12-23 22:07

模式识别与机器学习（八）：决策树

1.原理决策树（DecisionTree），它是一种以树形数据结构来展示决策规则和分类结果的模型，作为一种归纳学习算法，其重点是将看似无序、杂乱的已知数据，通过某种技术手段将它们转化成可以预测未知数据的树状模型
从零开始的奋豆·2023-12-23 22:06

人工智能-机器学习-深度学习-分类与算法梳理

最喜欢的算法是：规则和决策树。符号主义的代表性成果有启发式程序、专家系统、知识工程等，IBM“深蓝”计算机为典型应用。连接主义(Connectionist)使用概率矩阵和加权神经元来动态地识别和归纳
AAI机器之心·2023-12-23 22:47

决策曲线分析DCA用于lasso回归/随机森林

今天介绍的是如何实现其他模型的DCA，比如lasso回归、随机森林、决策树、SVM、xgboost等。这是基于dca.
医学和生信笔记·2023-12-23 21:29

（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

决策树和随机森林算法 简介

决策树（DecisionTree）是一种基础的分类和回归算法随机森林是由多棵决策树集成在一起的集成学习算法决策树生成过程:特征选择决策树生成决策树剪枝信息熵用来衡量一个节点内信息的不确定性的。
草明·2023-12-23 11:30

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
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他