您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 决策树算法python代码实现

  2. 决策树(Decision Tree)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,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测模型,他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度,使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。 决策树是一种树形结构,其中每个内部节点
  3. 所属分类:机器学习

    • 发布日期:2018-06-01
    • 文件大小:4kb
    • 提供者:u010919410
  1. 机器学习常用方法

  2. 包含机器学习的一些常用方法,比如PCA, 随机森林,决策树,线性感知机,Kmeans,KNN等的python实现。
  3. 所属分类:机器学习

    • 发布日期:2018-01-24
    • 文件大小:17kb
    • 提供者:qq_36542398
  1. python使用sklearn实现决策树的方法示例

  2. 主要介绍了python使用sklearn实现决策树的方法示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  3. 所属分类:其它

    • 发布日期:2020-09-18
    • 文件大小:189kb
    • 提供者:weixin_38555229
  1. 决策树剪枝算法的python实现方法详解

  2. 主要介绍了决策树剪枝算法的python实现方法,结合实例形式较为详细的分析了决策树剪枝算法的概念、原理并结合实例形式分析了Python相关实现技巧,需要的朋友可以参考下
  3. 所属分类:其它

    • 发布日期:2020-09-18
    • 文件大小:135kb
    • 提供者:weixin_38608189
  1. Python机器学习算法库scikit-learn学习之决策树实现方法详解

  2. 主要介绍了Python机器学习算法库scikit-learn学习之决策树实现方法,结合实例形式分析了决策树算法的原理及使用sklearn库实现决策树的相关操作技巧,需要的朋友可以参考下
  3. 所属分类:其它

    • 发布日期:2020-09-19
    • 文件大小:270kb
    • 提供者:weixin_38642636
  1. 统计学习方法及代码实现(Python)

  2. 全面系统地介绍了统计学习的主要方法,特别是监督学习方法,包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外,每章介绍一种方法。叙述从具体问题或实例入手,由浅入深,阐明思路,给出必要的数学推导,便于读者掌握统计学习方法的实质,学会运用。为满足读者进一步学习的需要,书中还介绍了一些相关研究,给出了少量习题,列出了主要参考文献。
  3. 所属分类:机器学习

    • 发布日期:2020-10-07
    • 文件大小:17mb
    • 提供者:qq_30121457
  1. python实现ID3决策树算法

  2. ID3决策树是以信息增益作为决策标准的一种贪心决策树算法 # -*- coding: utf-8 -*- from numpy import * import math import copy import cPickle as pickle class ID3DTree(object): def __init__(self): # 构造方法 self.tree = {} # 生成树 self.dataSet = [] # 数据集 self.labels = []
  3. 所属分类:其它

    • 发布日期:2020-12-24
    • 文件大小:51kb
    • 提供者:weixin_38748239
  1. 机器学习推导+python实现(一):线性回归

  2. 写在开头:这个系列的灵感已经整个系列的思路会根据公众号机器学习实验室的节奏进行,相当于做一个自己的理解版本,并且按照以往惯例我们会增加一些问题来对小细节进行讨论。 内容安排 笔者觉得如果单单的去调用sklearn库的机器学习的方法有些不妥,这个系列本应该在去年就开始了,但一直拖着没有更新。所以从今天开始我们一起来探究机器学习的乐趣吧。这个系列开始后,我们还会增加很多细节上的思考问题的讨论系列。 根据公众号机器学习实验室的节奏安排我们预计会涉及以下几个内容的实现:线性回归(一)、逻辑回归(二)、K
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:136kb
    • 提供者:weixin_38744902
  1. Python机器学习算法库scikit-learn学习之决策树实现方法详解

  2. 本文实例讲述了Python机器学习算法库scikit-learn学习之决策树实现方法。分享给大家供大家参考,具体如下: 决策树 决策树(DTs)是一种用于分类和回归的非参数监督学习方法。目标是创建一个模型,通过从数据特性中推导出简单的决策规则来预测目标变量的值。 例如,在下面的例子中,决策树通过一组if-then-else决策规则从数据中学习到近似正弦曲线的情况。树越深,决策规则越复杂,模型也越合适。 决策树的一些优势是: 便于说明和理解,树可以可视化表达; 需要很少的数据准备。其他技
  3. 所属分类:其它

    • 发布日期:2021-01-01
    • 文件大小:271kb
    • 提供者:weixin_38737283
  1. 决策树剪枝算法的python实现方法详解

  2. 本文实例讲述了决策树剪枝算法的python实现方法。分享给大家供大家参考,具体如下: 决策树是一种依托决策而建立起来的一种树。在机器学习中,决策树是一种预测模型,代表的是一种对象属性与对象值之间的一种映射关系,每一个节点代表某个对象,树中的每一个分叉路径代表某个可能的属性值,而每一个叶子节点则对应从根节点到该叶子节点所经历的路径所表示的对象的值。决策树仅有单一输出,如果有多个输出,可以分别建立独立的决策树以处理不同的输出。 ID3算法:ID3算法是决策树的一种,是基于奥卡姆剃刀原理的,即用尽量
  3. 所属分类:其它

    • 发布日期:2020-12-26
    • 文件大小:137kb
    • 提供者:weixin_38658568
  1. 随机森林实现及调参的R与Python对比——以泰坦尼克幸存者数据为例

  2. 随机森林实现及调参一、R语言方法一、手动调参方法二、网格调参二、python 注:本博客数据仍采用决策树调参的泰坦尼克号数据,前奏(数据预处理)请参考☞ 决策树R&Python调参对比☜ 一、R语言 方法一、手动调参 PS.仅使用常规包:randomForest和循环编写。 1-建模 set.seed(6) rf <- randomForest(Survived~.,data=train,ntree=100) y_pred <- predict(rf,test) A <- as
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:92kb
    • 提供者:weixin_38659311
  1. 机器学习:IDE3决策树(原理+python实现)

  2. 不管对决策树的知识了解有多少,这次通过一个简单的例子来就能够了解它的原理和明白实现的方法。 实际场景 对于一个眼科医生而言,当面对病人是否需要佩戴隐形眼镜时,只需要通过几个问题就能够判断出病人是需要带软,硬还是不能带隐形眼镜。因此我们的数据集就是病人的四个特征(‘age’, ‘prescr ipt’, ‘astigmatic’, ‘tearRate’)的组合以及对应的结论(‘soft’,‘hard’,‘no lenses’),获取数据点击这里,提取码tvj6 先加载数据,如下: # 加载数据 d
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:116kb
    • 提供者:weixin_38740596
  1. python实现连续变量最优分箱详解–CART算法

  2. 关于变量分箱主要分为两大类:有监督型和无监督型 对应的分箱方法: A. 无监督:(1) 等宽 (2) 等频 (3) 聚类 B. 有监督:(1) 卡方分箱法(ChiMerge) (2) ID3、C4.5、CART等单变量决策树算法 (3) 信用评分建模的IV最大化分箱 等 本篇使用python,基于CART算法对连续变量进行最优分箱 由于CART是决策树分类算法,所以相当于是单变量决策树分类。 简单介绍下理论: CART是二叉树,每次仅进行二元分类,对于连续性变量,方法是依次计算相邻两元素值的中位
  3. 所属分类:其它

    • 发布日期:2021-01-02
    • 文件大小:58kb
    • 提供者:weixin_38749305
  1. 机器学习和数据挖掘算法:机器学习算法Python [正在开发中]-源码

  2. 机器学习和数据挖掘算法 机器学习和数据挖掘算法的Python实现 分类算法 支持向量机 旋转森林 随机森林 PCA LDA 朴素贝叶斯 粒子群算法 QDA 决策树 知识网络 功能选择 随机森林 BPSO 包囊方法 装袋 艾达助推器 梯度提升 XG加速 堆码
  3. 所属分类:其它

  1. python机器学习算法实训 – (四)实现决策树

  2. 1.什么是决策树 决策树是一种树型结构,其中每个内部结点表示在一个属性上的测试,每个分支代表一个测试输出,每个叶结点代表一种类别。 决策树学习是以实例为基础的归纳学习,通过一系列规则对数据进行分类的过程。 决策树学习采用的是自顶向下的递归方法,其基本思想是以信息熵为度量构造一棵熵值下降最快的树,到叶子节点处的熵值为零,此时每个叶节点中的实例都属于同一类。 简单来说,我们生活中随时会用到这样的判断方法,比如这样: 2.决策树的特点 决策树学习算法的最大优点是,它可以自学习 在学习的过程中,不需要
  3. 所属分类:其它

    • 发布日期:2021-01-21
    • 文件大小:363kb
    • 提供者:weixin_38617413
  1. python使用sklearn实现决策树的方法示例

  2. 1. 基本环境 安装 anaconda 环境, 由于国内登陆不了他的官网 https://www.continuum.io/downloads, 不过可以使用国内的镜像站点: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 添加绘图工具 Graphviz http://www.graphviz.org/Download_windows.php 安装后, 将bin 目录内容添加到环境变量path 即可 参考blog : http
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:188kb
    • 提供者:weixin_38528680
  1. python代码实现ID3决策树算法

  2. 本文实例为大家分享了python实现ID3决策树算法的具体代码,供大家参考,具体内容如下 ''''' Created on Jan 30, 2015 author: 史帅 ''' from math import log import operator import re def fileToDataSet(fileName): ''''' 此方法功能是:从文件中读取样本集数据,样本数据的格式为:数据以空白字符分割,最后一列为类标签 参数: fileName
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:46kb
    • 提供者:weixin_38620893
  1. python实现C4.5决策树算法

  2. C4.5算法使用信息增益率来代替ID3的信息增益进行特征的选择,克服了信息增益选择特征时偏向于特征值个数较多的不足。信息增益率的定义如下: # -*- coding: utf-8 -*- from numpy import * import math import copy import cPickle as pickle class C45DTree(object): def __init__(self): # 构造方法 self.tree = {} # 生成树 self.d
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:85kb
    • 提供者:weixin_38706782
  1. python实现随机森林random forest的原理及方法

  2. 引言 想通过随机森林来获取数据的主要特征 1、理论 随机森林是一个高度灵活的机器学习方法,拥有广泛的应用前景,从市场营销到医疗保健保险。 既可以用来做市场营销模拟的建模,统计客户来源,保留和流失。也可用来预测疾病的风险和病患者的易感性。 根据个体学习器的生成方式,目前的集成学习方法大致可分为两大类,即个体学习器之间存在强依赖关系,必须串行生成的序列化方法,以及个体学习器间不存在强依赖关系,可同时生成的并行化方法; 前者的代表是Boosting,后者的代表是Bagging和“随机森林”(Rando
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:113kb
    • 提供者:weixin_38606294
  1. 决策树的python实现方法

  2. 本文实例讲述了决策树的python实现方法。分享给大家供大家参考。具体实现方法如下: 决策树算法优缺点: 优点:计算复杂度不高,输出结果易于理解,对中间值缺失不敏感,可以处理不相关的特征数据 缺点:可能会产生过度匹配的问题 适用数据类型:数值型和标称型 算法思想: 1.决策树构造的整体思想: 决策树说白了就好像是if-else结构一样,它的结果就是你要生成这个一个可以从根开始不断判断选择到叶子节点的树,但是呢这里的if-else必然不会是让我们认为去设置的,我们要做的是提供一种方法,计算机可以根
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:70kb
    • 提供者:weixin_38716081
« 12 »