您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. DecistionTree and randomforest

  2. 决策树C++实现 ,内附GBDT ADABOOST 随机森林的实现方法(其实这三个方法只是在决策树外部加几层循环即可实现,代码不超过30行)
  3. 所属分类:C++

    • 发布日期:2015-06-25
    • 文件大小:2097152
    • 提供者:qq_17506541
  1. DecisionTree决策树数据挖掘算法的实现(Java)

  2. DecisionTree数据挖掘算法的实现(Java)
  3. 所属分类:Java

    • 发布日期:2016-03-16
    • 文件大小:175104
    • 提供者:weimengfei
  1. ID算法的java实现(可直接运行)

  2. java实现ID3算法,包括InFile.java 、 TreeNode.java 、Gain.java、 DecisionTree.java、 id3.java等
  3. 所属分类:算法与数据结构

    • 发布日期:2017-10-14
    • 文件大小:19456
    • 提供者:da__bing
  1. 决策树(DecisionTree)项目(python代码实现)

  2. 本压缩包包含: 1.本决策树(DecisionTree)项目python源代码文件; 2.项目用的数据(csv格式); 3.一个普通文件,记录本项目的调试过程,用作实战参考
  3. 所属分类:机器学习

    • 发布日期:2018-10-08
    • 文件大小:4096
    • 提供者:aaliweipeng
  1. 人人都在用的机器学习算法-决策树

  2. 决策树(DecisionTree) 这里说几个决策树有关的概念: 贪心算法:是指在对问题求解时,总是做出在当前看来是最好的选择。不考虑总体的最优解,以每一步的局部最优解来模拟全局最优解。决策树是典型的贪心算法,现在众多的决策树算法包括,ID3、C4.5和CART,都是在使用这一算法。 那么对于决策树来说,怎么才能实现局部最优呢?需要有一些指标来帮助决策树模型,判断哪个条件是最重要的,对下面的例子来说:高,富,帅到底哪个是最重要的呢?决策树为了找出最佳节点和最佳的分枝⽅法,创建了几个指标来帮助实现
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:61440
    • 提供者:weixin_38744375
  1. 决策树(Decision Tree)

  2. 决策树,是有监督学习的一种算法,并且是一种基本的分类和回归的方法,也就是说决策树有两种:分类树和回归树。这里我们主要讨论分类树。 1.一个例子理解决策树的原理: 你是否玩过二十个问题的小游戏,游戏的规则很简单,参与游戏的一方在脑海中想象某一事物,其他参与者向他提问问题,只允许提问20个问题,问题的答案也只能是对或者错。问问题的人通过推断分解,逐步缩小待猜测事物的范围。 决策树的原理与上述的 二十个问题 的游戏类是,都只通过用户输入的一系列数据,然后找出游戏的答案。 2. 决策树相较于K近邻的优势
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:162816
    • 提供者:weixin_38637918
  1. 一文读懂随机森林的解释和实现

  2. 如今由于像Scikit-Learn这样的库的出现,我们可以很容易地在Python中实现数百种机器学习算法。它们是如此易用,以至于我们通常都不需要任何关于模型底层工作机制的知识就可以使用它们。虽然没必要了解所有细节,但了解某个机器学习模型大致是如何工作的仍然有帮助。这使得我们可以在模型表现不佳时进行诊断,或者解释模型是如何做决策的,这一点至关重要,尤其当我们想要说服别人相信我们的模型时。在本文中,我们将介绍如何在Python中构建和使用随机森林(RandomForest)。除了查看代码之外,我们还
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:546816
    • 提供者:weixin_38581308
  1. LoveLearning:阿里云天池比赛的源代码:找到一见钟情的人-源码

  2. 1.译文选择: 阿里云天池长期赛-测测你的一见钟情指数 原链接 2.开发环境: Python== 3.7.1 numpy == 1.19.1 熊猫== 1.1.0 matplotlib == 3.3.0 seaborn == 0.11.0 scikit_learn == 0.23.2 graphviz == 0.16 3.运行方法: 3.1逻辑回归: 代码在src / LogisticRegression文件夹下,在这里可以运行代码。 安装依赖: pip install - r
  3. 所属分类:其它

    • 发布日期:2021-02-15
    • 文件大小:2097152
    • 提供者:weixin_42127775
  1. 机器学习笔记2–sklearn之iris数据集

  2. 本文来自于fujiabin,本篇会使用scikit-learn这个开源机器学习库来对iris数据集进行分类练习。我将分别使用两种不同的scikit-learn内置算法——DecisionTree(决策树)和kNN(邻近算法),随后我也会尝试自己实现kNN算法。目前为止,我还是在机器学习的入门阶段,文章中暂不详细解释算法原理,如果想了解细节信息可自行搜索。scikit-learn中预制了很多经典数据集,非常方便我们自己练习用。使用方式也很容易: load_iris返回的结果有如下属性:featur
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:63488
    • 提供者:weixin_38693657
  1. 数据分类——决策树算法(文章较长,请耐心,欢迎指导!)

  2. 1.什么是决策树? 分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点和有向边组成。结点有两种类型:内部结点和叶结点。内部结点表示一个特征或属性,叶结点表示一个类。 决策树(DecisionTree),又称判定树,是一种以树结构(包括二叉树和多叉树)形式来表达的预测分析模型。通过把实例从根节点排列到某个叶子节点来分类实例叶子节点即为实例所属的分类树上每个节点说明了对实例的某个属性的测试,节点的每个后继分支对应于该属性的一个可能。 决策树分为回归决策树和分类决策树! 2.决策树的结
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:98304
    • 提供者:weixin_38590738