decisiontree

统计学习方法决策树

决策树（decisiontree）是一种基本的分类与回归方法。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。
一枝韩独秀·2022-12-21 17:04

机器学习算法篇：决策树和随机森林算法

机器学习算法篇：决策树和随机森林算法基本概念决策树（Decisiontree），通俗来讲就是对数据的特征进行一系列的if判断从而分类数据。
Tamashi_Hu·2022-12-20 21:33

数据挖掘-决策树算法+代码实现（七）

目录从例子出发算法原理算法的优缺点关于剪枝代码实现随机森林、GBDT、XGBOOST总结决策树（decisiontree）：是一种基本的分类与回归方法，此处主要讨论分类的决策树。
Lingxw_w·2022-12-20 11:34

机器学习-Sklearn（第三版）Day1 决策树

1概述决策树（DecisionTree）是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总结出决策规则并用树状图的结构来呈现这些规则，以解决分类和回归问题。
小浩码出未来！·2022-12-20 03:12

决策树(decision tree)理论+Python代码实现

3.算法理论4.python代码实现5.树剪枝叶(避免overfitting)6.优缺点1.什么是决策树/判定树（decisiontree)?
11FIGHT11·2022-12-19 16:22

Python 无框架实现决策树（DecisionTree）

决策树是一类常见的机器学习方法，我们可以通过对样本的属性进行一系列判断，最终决策其所属的标签类别，也就是说决策树是一类分类算法。以西瓜书第4章决策树所给数据为例，构建决策树的过程大致为，我们每次通过选出“信息熵增益（GainInformationEntropy）”最大的属性，直到最后能够对样本标签进行预测。一、基本概念信息熵信息熵是度量样本集合纯度常用的一种指标。假定当前样本集合D中第k类标签所占
山隆木对·2022-12-19 15:43

Python 机器学习 决策树(Decision Tree)

本文主要介绍Python机器学习决策树(DecisionTree)。原文地址：Python机器学习决策树(DecisionTree)
编程爱好者9913·2022-12-19 15:11

机器学习决策树DecisionTree以及python代码实现

机器学习决策树DecisionTree以及python代码实现1.基本算法原理2.选择最优特征进行划分2.1信息增益2.2信息增益率2.3基尼系数4.连续值以及缺失值的处理4.1连续值的处理4.2缺失值的处理
Donreen·2022-12-19 15:39

Python实现Decision Tree

前言这篇文章是我用Python对DecisionTree的简单实现，不包含剪枝功能。另外，这个DecisionTree只适用于连续性特征值，离散型的以后有机会再补充。数据集为iris。
奶糖派大白兔·2022-12-19 15:37

基于决策树的分类预测

1.决策树的介绍决策树(decisiontree)是一种基本的分类与回归的方法，作为最基础、最常见的有监督学习模型，常被用于解决分类回归问题。本文主要讨论用于分类的决策树。
独影月下酌酒·2022-12-19 08:17

决策树总结

根据训练数据是否拥有标记信息，可以把机器学习分为以下几类：决策树（decisiontree）模型常常用来解决分类和回归问题。
古道西风瘦码·2022-12-18 18:49

利用机器学习完成储层预测

目前训练数据量大概在135万左右，测试数据量在35万左右，训练的算法是KNN和DecisionTree，训练时间大概在1.5小时左右。使用的环境是
一马平川的大草原·2022-12-18 09:17

【Project】决策树、随机森林、多层感知机、支持向量机在多分问题中的对比

决策树、随机森林、多层感知机、支持向量机在多分问题中的对比Introduction数据决策树(DecisionTree)随机森林(RandomForest)多层感知机(MultiplePerceptron
__一条秋刀鱼·2022-12-16 17:37

python实现决策树算法sklearn_python sklearn-05：决策树及随机森林

1.决策树2.随机森林1.决策树(decisiontree)决策树一种简单的非线性模型，用来解决回归与分类问题。通常是重复的将训练集解释变量分割成子集的过程。决策树的节点用方块表示，用来测试解释变量。
斯仁至矣·2022-12-16 08:50

机器学习（二）——决策树（DecisionTree）

机器学习（二）——决策树（DecisionTree）一、算法简介1.1概念1.2决策树的构造1.2.1特征选择1.2.2决策树的生成二、Sklearn之使用决策树预测隐形眼镜类型2.1背景2.2使用Sklearn
qq_40296818·2022-12-16 08:15

决策树-DecisionTree

Opencv:setMaxCategories/getMaxCategories函数：设置/获取最大的类别数，默认值为10；setMaxDepth/getMaxDepth函数：设置/获取树的最大深度，默认值为INT_MAX；setMinSampleCount/getMinSampleCount函数：设置/获取最小训练样本数，默认值为10；setCVFolds/getCVFolds函数：设置/获取C
watersink·2022-12-16 08:14

【ML1】决策树算法decision tree（ID3）理论详解及实战

scikit-learn.org/stable/modules/tree.html经过上面重要的阶段，接下来进行简要总结，一、理论讲解0.机器学习中分类和预测算法的评估：准确率速度强壮行可规模性可解释性1.什么是决策树/判定树（decisiontree
poins·2022-12-16 08:13

【ML】决策树（Decision tree）原理 + 实践 （基于sklearn）

【ML】决策树（Decisiontree）原理+实践（基于sklearn）原理介绍简要介绍原理得分函数（信息熵）实战数据集训练预测+评估原理介绍简要介绍决策树算法是一个分类算法（监督学习），通过训练会获得一颗树形的分类模型
胡子哥_·2022-12-16 08:38

【机器学习】决策树-原理详解

文章目录1、决策树概述（DecisionTree，DT）2、决策树原理3、决策树的构造3.1ID3算法3.2C4.5算法3.3CART算法3.3.1CART生成3.3.2CART剪枝4、决策树的剪枝4.1
Rosyy_·2022-12-15 22:15

决策树(decision tree)——(1)生成与度量指标

决策树(decisiontree）是一种基本的分类与回归方法．本章主要讨论用于分类的决策树.决策树模型呈树形结构，分类时，可以认为是定义在特征空间与类空间上的条件概率分布.其主要优点是模型具有可读性，分类速度快
猿童学·2022-12-15 22:43

python数学要求_DT数学原理与python实现

DecisionTree(DT)主要包括：特征选择决策树的生成决策树的修建特征选择特征选择主要通过特征给模型带来的信息增益，特征信息增益越大表名该特征越重要。
weixin_39910963·2022-12-15 14:02

机器学习笔记－－决策树＆决策树可视化

决策树算法/DecisionTree决策树思想就是找到最纯净的数据划分方法，即要把目标变量分得足够开，使每个节点对应于同一个类别．决策树基本算法：在递归过程中有3种情况会导致递归返回：1.当前节点包含的样本完全属于同一类别
阿卡蒂奥·2022-12-15 11:50

【人工智能与机器学习】——决策树与集成学习（学习笔记）

前言：决策树（DecisionTree）是一种通过对历史数据进行测算，实现对新数据进行分类和预测的算法。机器学习中，决策树是一个预测模型，代表的是对象属性与对象值之间的一种映射关系。
HinsCoder·2022-12-15 11:19

机器学习笔记-决策树

决策树（DecisionTree）简介决策树是一种分类和回归算法。比较适合分析离散数据。如果是连续数据要先转成离散数据在做分析。
小刘同学要努力呀·2022-12-15 11:18

python决策树分类预测_机器学习算法（六）：基于决策树的分类预测

学习目标了解决策树的理论知识掌握决策树的sklearn函数调用使用并将其运用到企鹅数据集预测决策树介绍与应用决策树介绍决策树(decisiontree)是一种基本的分类与回归方法。
weixin_39989033·2022-12-13 14:04

使用决策树模型，来构建客户违约预测模型

实验：使用决策树模型，来构建客户违约预测模型决策树(DecisionTree)分类技术是一种比较直观的用来分析不确定性事件的概率模型,属于数据挖掘技术中比较常见的一种方法。
@little杰·2022-12-13 14:29

机器学习实战教程（二）：决策树基础篇

决策树(decisiontree)是一种基本的分类与回归方法。
M_Q_T·2022-12-13 09:48

sklearn（一）、决策树

决策树的工作原理决策树（DecisionTree）是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题。
阿涛的一天·2022-12-13 07:49

Python入门——决策树

决策树(DecisionTree）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。
绝不认输的程序媛·2022-12-12 11:51

常用的机器学习算法（使用 Python 和 R 代码）

R代码最常用的10种机器学习算法在Python和R中的代码对比：①线性回归算法（LinearRegression）②逻辑回归算法（LogisticRegression）③决策树算法（DecisionTree④
氤氲流觞·2022-12-11 09:46

决策树的生成与剪枝(原理与代码)

读取数据函数稍微改改就能用（遇到特征有连续值时(就比如西瓜数据集3.0)，参考决策树（decisiontree）(三)——连续值处理依照这篇博客，我自己尝试实现了一下:决策树处理连续值的代码）文章目录决策树的剪枝
Muasci·2022-12-10 14:15

随机森林c++_随机森林RandomForest挖掘生物标记预测分类

随机森林简介如果读者接触过决策树(DecisionTree)的话，那么会很容易理解什么是随机森林。
weixin_39838231·2022-12-09 23:24

决策树 Decision Tree

决策树（DecisionTree）决策树可以看成为一个if-then规则的集合。决策树方法建立了一个根据数据中属性的实际值决策的模型。决策树用来解决分类和回归问题。
whitenightwu·2022-12-09 14:10

分类Classification：决策树Decision Tree

目录分类的定义决策树DecisionTree混乱衡量指标Giniindex决策树的特点分类的定义分类：建立一个学习函数(分类模型)将每个属性集合（x1,x2,...xn）对应到一组已定义的类别y中。
爱写bug的小程序·2022-12-09 14:39

[机器学习笔记] （四）决策树 Decision Tree

（四）决策树DecisionTree基本概念决策树(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等于零的概率，评价项目风险，判断其可行性的决策分析方法
梅森上校·2022-12-09 14:06

Sklearn中决策树DecisionTree的参数设定

criterion参数数据划分标准，默认gini，数据量较少的时候可以指定为entropyrandom_state参数主要作用类似对数据测试集的划分、模型创建、生成随机数据集的时候指定一个特定的ID，用于在后续使用过程中数据集等能够固定下来，方便模型的调优。splitter参数加上random参数能够使生成树的过程更加随机，减少过拟合问题。剪枝参数避免训练集上表现好但测试集表现糟糕的情况。剪枝策略
Simon-tt·2022-12-09 14:06

机器学习 决策树DecisionTree 二分类原理与实战

序言之前看过很多博客关于决策树的基本都是多分类的问题，二分类的问题会比较少因此，在完成了对二分类数据集取得不错的预测结果后在这里，博客记录一下，如果各位有什么问题，欢迎在评论区里留言，相互交流讨论数据集：通过收集体检者的数据，分析每个人的血糖值，年龄，bmi值，糖尿病家族史等特征，通过对这些的分析，判断是否为糖尿病患者，若是记为1，不是记为0，典型的二分类问题，有意下载数据评论区可留言代码实战导入
only advertisement·2022-12-09 14:29

详解决策树 Decision Tree

详解决策树DecisionTree详解决策树DecisionTree基本概念特征选择信息增益信息熵信息增益ID3算法算法流程Python实现源码信息增益率信息增益的不足信息增益率C4.5算法算法流程Python
Avery123123·2022-12-09 14:56

【机器学习常见算法】决策树算法(含示例代码)

决策树(DecisionTree)是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题。
火柴先生·2022-12-09 01:28

决策树（Decision Tree)

决策树（DecisionTree）时间：2022/5/17文章目录决策树（DecisionTree）1.相关知识2.决策树构建算法3属性选择度量3.1信息增益3.2增益率3.3基尼指数3.4其他属性选择度量
木桷·2022-12-07 21:19

《机器学习实战》—— 决策树

Matplotlib2.构造注解树三、测试和存储分类器1.测试算法：使用决策树执行分类2.使用算法：决策树的存储四、应用：使用决策树预测车辆的状况五、改进算法1.C4.5算法2.CART一、决策树的构造决策树（decisiontree
LiaoNanan·2022-12-07 00:46

python分类算法可视化_python实现GBDT算法的回归、二分类以及多分类，算法流程解读并可视化...

想要理解GBDT的真正意义，那就必须理解GBDT中的GradientBoosting和DecisionTree分别是什么？首先，GBDT使用的决策树是CART回归树，无论是处理回归问题还是二
weixin_39939668·2022-12-06 00:57

python sklearn-05：决策树及随机森林

1.决策树2.随机森林1.决策树(decisiontree)决策树一种简单的非线性模型，用来解决回归与分类问题。通常是重复的将训练集解释变量分割成子集的过程。决策树的节点用方块表示，用来测试解释变量。
vinking9393·2022-12-05 14:14

决策树与随机森林/K-means

一、决策树与随机森林（一）决策树1.算法概述决策树（DecisionTree）是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题
麦格芬230·2022-12-05 12:33

DecisionTreeClassifier决策树

概括决策树（Decisiontree）是一种非参数的有监督学习方法，它能够从一系列有特征的和标签的数据中总结出决策规则，并以树状图的结构来呈现这些规则，以解决分类和回归问题。
代嘻嘻·2022-12-03 10:50

python决策树代码实现

使用sklearn里面的鸢尾花等数据集验证，正确率还不错（90%+）Github地址：https://github.com/nhjydywd/DecisionTree使用方式：importDecisionTreenode
nhjydywd0·2022-12-02 00:56

决策树原理及代码实现

决策树(DecisionTree,又称为判定树)算法是机器学习中常见的一类算法，是一种以树结构(包括二叉树和多叉树)形式表达的预测分析模型。每个决策点实现一个具有离散输出的测试函数，记为分支。
flare zhao·2022-12-02 00:54

李宏毅老师-机器学习的可解释性 Part1

神马：当旁边有人围观的时候，它就能根据身边人的反应，通过剁马蹄来计算数学问题而当没有人围观的时候，它就计算不出来decisiontree：有很多节点，每个节点都有一个问题，决定向
想研究又不会研究的研究生·2022-12-01 19:20

李宏毅 机器学习模型的可解释性 explainable ML

不，我们可以用强大的模型，并且尝试去解释他那么比linearmodel更强大的可解释性的decisiontree可以吗？
Zaгathustra·2022-12-01 19:05

【机器学习之决策树】决策树原理介绍及代码实现sklearn

文章目录一、决策树（DecisionTree）二、原理介绍2.1划分准则的选择2.2决策树分类实战三、代码实现3.1sklearn-API的介绍3.2sklearn实现决策树分类代码3.3sklearn
Sciengineer-Mike·2022-12-01 19:24
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他