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]！  

搜索资源列表

  1. 用Python实现决策树分类算法

  2. 1. 使用Python实现基本的决策树算法； 2. 主要使用pandas的DataFrame实现； 3. 为防止过度拟合，在小于20个记录时，直接选取记录中最多类别； 3. 没有画决策树图

  3. 所属分类：Python

    • 发布日期：2015-06-13
    • 文件大小：2kb
    • 提供者：a464357735

  1. 常用数据挖掘算法总结及Python实现 文字版+code

  2. 本书适合有志于从事数据挖掘的初学者，需要的朋友可看看 第一部分 数据挖掘与机器学习数学基础3 第一章 机器学习的统计基础3 第二章 探索性数据分析（EDA） .11 第二部分 机器学习概述14 第三章 机器学习概述14 第三部分 监督学习---分类与回归16 第四章 KNN（k 最邻近分类算法） 16 第五章 决策树19 第六章 朴素贝叶斯分类29 第七章 Logistic 回归 .32 第八章 SVM 支持向量机42 第九章 集成学习(Esemble Learning)43 第十一章 模型评

  3. 所属分类：Python

    • 发布日期：2018-04-21
    • 文件大小：4mb
    • 提供者：mycoffee1990

  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. ID3算法的python实现

  2. ID3算法是一种贪心算法，用来构造决策树。ID3算法起源于概念学习系统（CLS），以信息熵的下降速度为选取测试属性的标准，即在每个节点选取还尚未被用来划分的具有最高信息增益的属性作为划分标准，然后继续这个过程，直到生成的决策树能完美分类训练样例。

  3. 所属分类：机器学习

    • 发布日期：2018-07-18
    • 文件大小：5kb
    • 提供者：king_panp

  1. python实现决策树分类算法

  2. python实现机器学习之决策树分类算法，简单易学，而且可直接运行。

  3. 所属分类：机器学习

  1. 决策树测试小程序代码

  2. 做的决策树算法测试小程序的python代码，描述算法实现的代码过程

  3. 所属分类：Python

    • 发布日期：2018-08-10
    • 文件大小：4kb
    • 提供者：csdnsqq

  1. 决策树分类算法

  2. python实现决策树分类算法 ID3算法 数据挖掘分类算法，完整代码

  3. 所属分类：算法与数据结构

    • 发布日期：2019-03-13
    • 文件大小：801kb
    • 提供者：springhammer

  1. 后剪枝决策树分类器python

  2. 这是一个用python实现的决策树分类器，其样本集纯度指标为基尼指数，实现了后剪枝优化算法，有需要请下载

  3. 所属分类：机器学习

    • 发布日期：2020-02-17
    • 文件大小：5kb
    • 提供者：qq_43116030

  1. python实现决策树分类算法

  2. 主要为大家详细介绍了python实现决策树分类算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：131kb
    • 提供者：weixin_38675815

  1. Python使用sklearn库实现的各种分类算法简单应用小结

  2. 主要介绍了Python使用sklearn库实现的各种分类算法,结合实例形式分析了Python使用sklearn库实现的KNN、SVM、LR、决策树、随机森林等算法实现技巧,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-19
    • 文件大小：43kb
    • 提供者：weixin_38645208

  1. 带你学习Python如何实现回归树模型

  2. 所谓的回归树模型其实就是用树形模型来解决回归问题，树模型当中最经典的自然还是决策树模型，它也是几乎所有树模型的基础。虽然基本结构都是使用决策树，但是根据预测方法的不同也可以分为两种。第一种，树上的叶子节点就对应一个预测值和分类树对应，这一种方法称为回归树。第二种，树上的叶子节点对应一个线性模型，最后的结果由线性模型给出。这一种方法称为模型树。 今天我们先来看看其中的回归树。 回归树模型 CART算法的核心精髓就是我们每次选择特征对数据进行拆分的时候，永远对数据集进行二分。无论是离散特征还是连续性

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：220kb
    • 提供者：weixin_38514620

  1. Python决策树和随机森林算法实例详解

  2. 本文实例讲述了Python决策树和随机森林算法。分享给大家供大家参考，具体如下： 决策树和随机森林都是常用的分类算法，它们的判断逻辑和人的思维方式非常类似，人们常常在遇到多个条件组合问题的时候，也通常可以画出一颗决策树来帮助决策判断。本文简要介绍了决策树和随机森林的算法以及实现，并使用随机森林算法和决策树算法来检测FTP暴力破解和POP3暴力破解，详细代码可以参考： https://github.com/traviszeng/MLWithWebSecurity 决策树算法 决策树表现了对象属性和

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：158kb
    • 提供者：weixin_38678498

  1. sklearn之决策树

  2. 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

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：55kb
    • 提供者：weixin_38638647

  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. Python数据分析（9）—-用决策树进行分类

  2. 在上一篇博文Python数据分析（8）—-用python实现数据分层抽样中，实现了实验数据的抽取，那么在本文中，将用上述抽取到的数据进行实验，也就是用决策树进行分类。 在讲解实际的决策树分类之前，需要介绍一下决策树分类的sklearn中决策树模型参数释义： ''' scikit-learn中有两类决策树，它们均采用优化的CART决策树算法。 （1）回归决策树：DecisionTreeRegressor() （2）分类决策树：DecisionTreeClassifier() ''' from sk

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：103kb
    • 提供者：weixin_38515270

  1. 机器学习——基于Bagging的集成学习：随机森林（Random Forest）及python实现

  2. 基于Bagging的集成学习：随机森林的原理及其实现引入Bagging装袋随机森林随机森林分类随机森林回归python实现随机森林分类随机森林回归 引入 “三个臭皮匠赛过诸葛亮”——弱分类器组合成强分类器。 Q1.什么是随机森林？ 随机森林顾名思义就是一片森林，其中有各种各样的树，其实，随机森林是基于决策树构成的，一片森林中的每一颗树就是一个决策树。想了解决策树算法详情请戳☞决策树原理及其实现☜ Q2.为什么叫随机森林？ 随机森林中“随机”一词主要在于两点：“随机”取样；“随机”抽取特征。 了解

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：233kb
    • 提供者：weixin_38663443

  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. USA_HousesSalePrice-RegClas：Python scikit机器学习决策树和随机森林算法，用于对美国房屋的销售价格进行回归和分类-源码

  2. USA_HousesSalePrice-RegClas Python机器学习决策树和随机森林算法，用于对美国房屋的销售价格进行回归和分类。 在这个Jupyter笔记本中，我使用Python Pandas和Sklearn模块进行了数据集分析，并处理了USA Housing Dataset（ ）的缺失值。 我在回归和分类问题上都实现了这两种算法，并在笔记本结尾比较了这两种算法的结果。

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：235kb
    • 提供者：weixin_42097508

  1. python实现决策树分类

  2. 上一篇博客主要介绍了决策树的原理，这篇主要介绍他的实现，代码环境python 3.4，实现的是ID3算法，首先为了后面matplotlib的绘图方便，我把原来的中文数据集变成了英文。 原始数据集： 变化后的数据集在程序代码中体现，这就不截图了 构建决策树的代码如下： #coding :utf-8 ''' 2017.6.25 author :Erin function: decesion tree ID3 ''' import numpy as np import pandas as p

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：94kb
    • 提供者：weixin_38716519

  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
« 12 »