点数信息
www.dssz.net
注册会员
|
设为首页
|
加入收藏夹
您好,欢迎光临本网站!
[请登录]
!
[注册会员]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 决策树之ID3
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
判定树学习算法ID3
本文就基于决策树的分类系统进行了说明,主要介绍了根据决策树算法中的ID3算法,利用开发工具Visual C++ 6.0完成系统的方法。首先介绍了机器学习、归纳学习、决策树学习等方面的相关背景。接着详细介绍了决策树,ID3算法的理论知识,包括信息熵知识,算法原理,以及分析了ID3算法的优劣。本文针对本系统的实际情况,详细的介绍了系统中的各模块和实现方法,以及系统功能的全过程。 另外,本文还比较详细的介绍了系统开发工具Visual C++ 6.0,从实现本系统的角度,对涉及的相关内容进行了介绍。通
所属分类:
其它
发布日期:2010-05-26
文件大小:288kb
提供者:
fengchenrui
数据挖掘之经典算法(非常实用)
决策树算法 ID3算法 C4.5算法 The k-means algorithm(k平均算法)SVM(支持向量机)贝叶斯(Bayes)分类器
所属分类:
其它
发布日期:2010-09-23
文件大小:896kb
提供者:
l546753716
数据挖掘决策树ID3算法优化
描述了数据挖掘的概况以及决策树算法的实现,主要是ID3算法的不足之处所引的优化过程是本资源的重点,里面配有图解和文字说明
所属分类:
其它
发布日期:2011-06-16
文件大小:136kb
提供者:
yuiaragraki87
决策树之ID3 算法源码及数据文件
决策树之ID3 算法源码及数据文件,在博客上数据文件格式被打乱,因此直接上传上来
所属分类:
其它
发布日期:2012-04-16
文件大小:6kb
提供者:
liema2000
ID3决策树算法分析数据可视化
用C# winform 做的ID3算法可视化,运行算法,画出决策树,并支持根据条件进行分析。包含多个数据源,数据源都为.txt格式,可以根据数据源格式添加相关数据源。当然,这只是个课设,还有很多不足之处。
所属分类:
C#
发布日期:2014-08-05
文件大小:76kb
提供者:
xiao_huang2013
决策树算法之ID3
用Python写的决策树算法,有基本框架,很容易改写成CART和C4.5,在两个小数据集上测试准确率为100%和90%
所属分类:
Python
发布日期:2015-01-14
文件大小:23kb
提供者:
kb_1024
决策树算法
在原有的算法上去除了一些网上原有的bug,欢迎大家借鉴,不足之处欢迎一起讨论。
所属分类:
Java
发布日期:2015-10-29
文件大小:336byte
提供者:
zhujun_xiaoxin
用于构造决策树的小数据集
数据挖掘概念与技术课本P218页数据表格式为.csv。。决策树一般采用贪心策略**自顶向下**递归的分治方式构造,从训练元组集和与之相关联的类标号开始,随着树的构建,训练集递归地划分成较小的子集。构造过程大致如下: 1. 构造**根结点**,根据**属性选择度量**(例如ID3的信息增益)来选择合适的属性作为根结点。 2. 根据根结点的属性值(可能是离散的,连续的或二值的)**分枝**,每个分枝代表元组在该属性下可能满足的条件。
所属分类:
机器学习
发布日期:2018-04-16
文件大小:496byte
提供者:
weixin_40170902
机器学习十大算法之决策树
这是关于机器学习十大算法中的决策树详细介绍,主要介绍了ID3、C4.5和CART三个算法
所属分类:
机器学习
发布日期:2018-10-11
文件大小:1mb
提供者:
qq_38900441
机器学习算法笔记
本文总结博客中关于机器学习十大算法的详细过程,进行汇总,包括广义线性模型、softmax 回归 、逻辑回归、梯度下降法、Logistic 回归与牛顿迭代法、两种梯度下降法、相对熵(KL 散度)、K-Means 聚类算法 、朴素贝叶斯分类、决策树之 ID3 算法 、决策树之 C4.5 算法、 决策树之 CART 算法、随机森林、K-D 树、KNN 算法、BFGS 算法、L-BFGS 算法、文本特征属性选择。 十九、矩阵求导解最小二乘问题 二十、局部加权回归 二十一、最小二乘的概率解释
所属分类:
机器学习
发布日期:2018-11-21
文件大小:1mb
提供者:
u013940210
Python机器学习之决策树算法实例详解
本文实例讲述了Python机器学习之决策树算法。分享给大家供大家参考,具体如下: 决策树学习是应用最广泛的归纳推理算法之一,是一种逼近离散值目标函数的方法,在这种方法中学习到的函数被表示为一棵决策树。决策树可以使用不熟悉的数据集合,并从中提取出一系列规则,机器学习算法最终将使用这些从数据集中创造的规则。决策树的优点为:计算复杂度不高,输出结果易于理解,对中间值的缺失不敏感,可以处理不相关特征数据。缺点为:可能产生过度匹配的问题。决策树适于处理离散型和连续型的数据。 在决策树中最重要的就是如何选取
所属分类:
其它
发布日期:2020-12-25
文件大小:82kb
提供者:
weixin_38643212
Python机器学习之决策树算法
一、决策树原理 决策树是用样本的属性作为结点,用属性的取值作为分支的树结构。 决策树的根结点是所有样本中信息量最大的属性。树的中间结点是该结点为根的子树所包含的样本子集中信息量最大的属性。决策树的叶结点是样本的类别值。决策树是一种知识表示形式,它是对所有样本数据的高度概括决策树能准确地识别所有样本的类别,也能有效地识别新样本的类别。 决策树算法ID3的基本思想: 首先找出最有判别力的属性,把样例分成多个子集,每个子集又选择最有判别力的属性进行划分,一直进行到所有子集仅包含同一类型的数据为
所属分类:
其它
发布日期:2020-12-24
文件大小:141kb
提供者:
weixin_38719475
sklearn之决策树
sklearn之决策树简介 第一次写博客,这里就写一下最近在学习的,易快速上手的sklearn吧。 sklearn入门 scikit-learn,又写作sklearn,是一个开源的基于python语言的机器学习工具包。它通过NumPy, SciPy和Matplotlib等python库实现高效的算法应用,并且涵盖了几乎所有主流机器学习算法。本篇主要介绍决策树。 决策树 决策树是一种有监督学习,从一系列有数据特征和标签的数据中每次选择某一特征来作为划分依据,也就是树的节点,来划分数据。依次进行直到
所属分类:
其它
发布日期:2020-12-21
文件大小:55kb
提供者:
weixin_38638647
决策树
决策树的分类 信息增益 信息增益 = 分类前后的信息熵之差 信息增益越高,就越应优先选择该属性进行分类 通过信息增益来进行分类,会优先选择类别多的属性进行划分 信息增益率 为了解决信息增益会优先选择类别多的属性进行划分的问题,使用信息增益率。 但是没啥用 基尼系数 基尼值 从数据集D中随机抽取两个样本,其类别标记不一致的概率。故,Gini(D)值越小,数据集D的纯度越高。 基尼系数 选择使划分后基尼系数最小的属性作为最优化分属性。 不同的决策树类型 信息增益 – ID3 决策树 会偏
所属分类:
其它
发布日期:2021-01-06
文件大小:93kb
提供者:
weixin_38618819
Tic-Tac-Toe End game Dataset UCI 井字游戏数据集UCI-数据集
该数据库在井字游戏结束时对所有可能的棋盘配置进行编码,其中假定“ x”首先播放。目标概念是“为x赢”(即,当“ x”具有创建“三在一行”的8种可能方法之一时为true)。该原始数据库提供了简化的决策树算法(例如ID3)。 tic-tac-toe-endgame.csv
所属分类:
其它
发布日期:2021-03-04
文件大小:3kb
提供者:
weixin_38535221
python决策树之C4.5算法详解
本文为大家分享了决策树之C4.5算法,供大家参考,具体内容如下 1. C4.5算法简介 C4.5算法是用于生成决策树的一种经典算法,是ID3算法的一种延伸和优化。C4.5算法对ID3算法主要做了一下几点改进: (1)通过信息增益率选择分裂属性,克服了ID3算法中通过信息增益倾向于选择拥有多个属性值的属性作为分裂属性的不足; (2)能够处理离散型和连续型的属性类型,即将连续型的属性进行离散化处理; (3)构造决策树之后进行剪枝操作; (4)能够处理具有缺失属性值的
所属分类:
其它
发布日期:2021-01-20
文件大小:140kb
提供者:
weixin_38728347