您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 经典机器学习算法Python源码

  2. 经典机器学习算法的Python源码,包括DecisionTree、DeepLearning、KMeans、kNN、logistic regression、ManifoldLearning、NaiveBayes、PCA、Ridge、SVM
  3. 所属分类:机器学习

    • 发布日期:2018-10-04
    • 文件大小:8mb
    • 提供者:cmxwjb
  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:4kb
    • 提供者:aaliweipeng
  1. decisiontree决策树在adult数据集上的实现

  2. 决策树代码实现,参考机器学习实战,数据集采用的是adult数据集,增加了数据清洗,该决策树是随机实现的,增加了过拟合的剪枝。
  3. 所属分类:机器学习

    • 发布日期:2018-10-22
    • 文件大小:2mb
    • 提供者:nicksunyy
  1. 决策树代码

  2. 机器学习实战代码,里面的test.py是运行文件,treePlotter.py是画决策树的代码,decisionTree是构造决策树的代码。直接运行test.py就可以得出结果
  3. 所属分类:机器学习

    • 发布日期:2019-02-28
    • 文件大小:3kb
    • 提供者:zycxnanwang
  1. DecisionTree.zip

  2. 《机器学习》决策树章节的代码实现,使用pandas处理表格数据,附有西瓜数据集
  3. 所属分类:Python

    • 发布日期:2019-07-03
    • 文件大小:2kb
    • 提供者:scool_winter
  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:60kb
    • 提供者:weixin_38744375
  1. 机器学习-决策树(Decision Tree)

  2. Section I: Brief Introduction on Decision Tree Decision tree classifiers are attractive models if model interpretability is of our concern. As the name decision tree suggests, we can think of this model as breaking down the data by making decision ba
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:275kb
    • 提供者:weixin_38646645
  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:534kb
    • 提供者:weixin_38581308
  1. CMU机器学习:CMU机器学习课程的提交代码-源码

  2. 10601_代码 这些是为卡耐基梅隆大学2020年Spring机器学习课程生成的代码。整个代码是通过numpy库完成的,并且在任何地方都不会使用scikitlearn / keras / pytorch。 所有模型都是从头开始构建的。 以下是使用的代码: 决策树桩算法:Decisionstump.py 决策树算法:用于计算Gini增益的inspection.py和用于具有二进制属性的实际决策树回归的Decisiontree.py Logistic回归:feature.py用于生成逻辑回归的
  3. 所属分类:其它

    • 发布日期:2021-02-15
    • 文件大小:11kb
    • 提供者:weixin_42112685
  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:62kb
    • 提供者:weixin_38693657