decisiontree

应用决策树和随机森林预测银行用户是否购买储蓄产品

最近接触了决策树(DecisionTree,DT)，将其应用于数据分析，任务目标是根据银行用户信息，应用DT和RF对银行用户是否购买银行储蓄产品进行预测。整理了处理过程记录在这篇博客里。
Mc杰夫·2021-06-25 20:06

GBDT总结

GradientBoosting+DecisionTreeGradientBoosting=GradientDescent+BoostingBoosting是一种按照加法模型叠加simplemodel的方法，DecisionTree
frmark·2021-06-24 21:10

树模型总结

树模型演变过程DecisionTree-(Bagging)->RandomForest-(Boosting)->GradientBoosting->XGBoost【1】https://zhuanlan.zhihu.com
葡萄肉多·2021-06-14 00:35

第四章

目录：4.1基本流程4.2划分选择4.3剪枝处理4.4连续与缺失值4.5多变量决策树4.1基本流程决策树（decisiontree）是一个树结构（可以是二叉树或者非二叉树）。
HXXHXX·2021-06-13 09:09

统计学习方法第二章：感知机(perceptron)算法及python实现

算法及python实现统计学习方法第三章：k近邻法(k-NN),kd树及python实现统计学习方法第四章：朴素贝叶斯法(naiveBayes)，贝叶斯估计及python实现统计学习方法第五章：决策树(decisiontree
无限大的饿·2021-06-11 05:02

决策树（DecisionTree）和随机森林（Random Forests）

RandomForest（随机森林）算法是通过训练多个决策树，生成模型，然后综合利用多个决策树进行分类。1.单棵决策树的构建：（1）训练样例的选择令N为训练样例的个数，则单棵决策树的输入样例的个数为N个从训练集中有放回的随机抽取N个训练样例。（2）构建决策树令训练样例的输入特征的个数为M，我们在每颗决策树的每个节点上进行分裂时，从M个输入特征里随机选择m个输入特征，且m远远小于M。然后从这m个输入
liangym·2021-06-10 21:11

统计学习方法第四章：朴素贝叶斯法(naive Bayes)，贝叶斯估计及python实现

算法及python实现统计学习方法第三章：k近邻法(k-NN),kd树及python实现统计学习方法第四章：朴素贝叶斯法(naiveBayes)，贝叶斯估计及python实现统计学习方法第五章：决策树(decisiontree
无限大的饿·2021-06-10 09:44

数据产品工作指北（6）-决策树算法

一、决策树决策树（decisiontree）是一个树结构（可以是二叉树或非二叉树）。其每个非叶节点表示一个特征属性上的测试，每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放一个类别。
anchord·2021-06-09 01:34

树模型中, 特征重要性的计算方法

主要查看了三个文档:DecisionTree,XGBoost,LightGBM.sklearn中GradientBoostingClassifier(GBDT)和RandomForest没有找到特征重要性计算方法的详述
wangke·2021-06-07 23:14

统计学习方法第三章：k近邻法(k-NN),kd树及python实现

算法及python实现统计学习方法第三章：k近邻法(k-NN),kd树及python实现统计学习方法第四章：朴素贝叶斯法(naiveBayes)，贝叶斯估计及python实现统计学习方法第五章：决策树(decisiontree
无限大的饿·2021-06-06 14:11

统计学习方法第五章：决策树(decision tree),ID3算法，C4.5算法及python实现

算法及python实现统计学习方法第三章：k近邻法(k-NN),kd树及python实现统计学习方法第四章：朴素贝叶斯法(naiveBayes)，贝叶斯估计及python实现统计学习方法第五章：决策树(decisiontree
无限大的饿·2021-06-05 23:51

浅析决策树的生长和剪枝

决策树(DecisionTree）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。
华为云·2021-05-20 12:53

Parallel Implementation of Decision Tree Learning Algorithms

1.Intro和其他分类方法相比，建立Decisiontree更快，而且有时候能够获得相近或者更高的准确率但是，决策树的并行实现有几个难点：树的形状是不规则，而且是运行时才确定的，static的分配策略会造成
世间五彩我执纯白·2021-05-13 08:23

决策树

决策树(DecisionTree)定义：决策树（decisiontree）是一个树结构（可以是二叉树或非二叉树）。
L__Mouse·2021-05-09 14:32

决策树

DecisionTree(决策树/判定树)是监督学习中的分类算法,通常预测和分类算法的评估主要体现在:准确率：预测的准确与否是本算法的核心问题，其在征信系统，商品购买预测等都有应用。
君剑·2021-05-06 21:22

随机森林和决策树(DecisionTree & RandomForest )

决策树-基于CART的决策树CART分类回归树(classificationandregressiontree，CART)模型由Breiman等人在1984年提出，是应用广泛的决策树学习方法。CART同样由特征选择、树的生成以及剪枝组成，既可以用于分类也可以用于回归。同样属于决策树的一种。算法思想CART算法采用的是一种二分递归分割的技术，将当前样本分成两个子样本集，使得生成的非叶子节点都有两个分
NullBugs·2021-04-29 23:37

决策树知识点及代码

1.1基本流程决策树（decisiontree）是一类常见的的机器学习方法，亦称“判定树”，以二分类任务为例，希望从给定训练数据集学的一个模型用以对新示例进行分类。
qq_52030929·2021-04-22 20:13

【《机器学习》周志华（西瓜书）】基于信息增益的ID3决策树的构建、可视化及预测的python实现

文章目录简介一、构建决策树-DecisionTree.py1.思路基本算法信息熵信息增益决策树存储结构2.代码二、决策树可视化-PlotTree.py1.思路2.代码3.可视化结果总结简介GitHub地址
一加一h·2021-04-19 17:58

机器学习：01.sklearn-决策树

1概述1.1决策树是如何工作的决策树（DecisionTree）是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题。
医学小白学生信·2021-03-03 19:13

python与机器学习（五）——决策树

决策树(DecisionTree)通过sklearn库的决策树模型对iris数据进行多分类，并进行结果评估导入：fromsklearn.treeimportDecisionTreeClassifierfromsklearn.datasetsimportload_irisfromsklearnimportdatasetsfromsklearn.datasetsimportload_breast_ca
zhaociTang·2021-02-15 22:46

机器学习之决策树(手推公式版)

文章目录前言1.分类树2.划分标准2.1信息增益2.2增益率2.3基尼系数3.剪枝策略3.1预剪枝3.2后剪枝4.模型实现结束语前言  决策树(Decision(Decision(DecisionTree
夏小悠·2021-02-02 14:41

【机器学习笔记】《统计学习方法》第五章 决策树+ID3算法+C4.5+CART算法(未完结)

概念定义5.1决策树(decisiontree)分类决策树模型时一种描述对实例进行分类的树形结构。决策树由结点(node)和有向边(directe
Baolar_Code·2021-01-26 01:48

基于NumPy实现ID3决策树算法

ID3决策树算法  决策树(decisiontree)是一类常见的机器学习方法，它基于树结构来进行决策，这恰是人类在面临决策问题时一种很自然的处理机制。
CCH21·2021-01-22 09:29

机器学习笔记——决策树（Decision Tree）

机器学习笔记——决策树（DecisionTree）什么是决策树决策树中的分类器决策树中的参数如何求解参数ID3与C4.5ID3(IterationDichotomister3)C4.5什么是决策树简书作者
Levi_wlx·2020-12-15 23:28

python机器学习之决策树案例——泰坦尼克号幸存者的预测

决策树（DecisionTree）是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题。
黎明之道·2020-11-23 18:06

决策树

523478202、【机器学习】决策树（下）——CART算法及剪枝处理https://blog.csdn.net/herosofearth/article/details/524259523、决策树(DecisionTree
我是嘻哈大哥·2020-10-10 22:02

学习 || 决策树

决策树（DecisionTree）一般都是自上而下的来生成的。每个决策或事件（即自然状态）都可能引出两个或多个事件，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干，故称决策树。
陆拾杂记·2020-10-09 21:23

python编程常见错误笔记

SyntaxError:Non-ASCII解决方法：[python]viewplaincopyFile"F:\progrem\luna\DeepLearningBasicsMachineLearned\DecisionTree
不贰过先生·2020-09-16 23:56

Python——随机森林原理

随机森林（RandomForest）算法原理1.随机森林原理、决策树、集成学习决策树决策树（decisiontree）是一个树结构（可以是二叉树或非二叉树）。
lili_wuwu·2020-09-16 18:10

kaldi 学习笔记-三音素训练1(Decision Tree)

本文主要介绍决策树（DecisionTree）部分。
别水贴了·2020-09-16 09:23

Datawhale 数据挖掘新手入门笔记 -Task4 建模调参

文章目录一、前言二、学习目标三、学习过程1.相关原理介绍与推荐（1）线性回归(2)决策树(DecisionTree)（3）GBDT模型(4)XGBoost模型(5)LightGBM模型2.读取数据3.线性回归
DreamStar_w·2020-09-15 21:58

浅谈决策树

什么是决策树决策树(decisiontree)是一种基本的分类与回归方法。举个相亲的例子，某一天小C和他的相亲对象小K在咖啡馆里，他们之间有这样一段对话：小C问:家里有房吗？小K答:有，也就
陈多鱼·2020-09-15 19:54

数据分析 Logistics 与 DecisionTree 案例

fromsklearn.datasetsimportmake_blobsdata,target=make_blobs()plt.scatter(data[:,0],data[:,1],c=target)fromsklearn.linear_modelimportLogisticRegressionlogistic=LogisticRegression(solver='liblinear',mult
Logan！·2020-09-15 11:21

5、二分查找判定树

由此得到的二叉树，称为描述二分查找的判定树(DecisionTree)或比较树(ComparisonTree)。
crcr·2020-09-15 07:27

决策树分类(cross)

广泛使用的分类算法——决策树（decisiontree）。相比贝叶斯算法，决策树的优势在于构造过程不需要任何领域知识或参数设置，因此在实际应用中，对于探测式的知识发现，决策树更加适用。
GOD_Dian·2020-09-15 05:02

决策树(Decision Tree)

决策树(DecisionTree)基本概念决策树是以树状图为基础的、基于特征的、有监督的、贪心的、学习算法。决策树可以是二叉树也可以是非二叉树，其输出结果是一些进行判别的规则。
GarryLau·2020-09-14 19:23

模型选择-决策树

决策树（decisiontree）是一种基本的分类与回归方法。在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。
clvsit·2020-09-14 18:15

分类和回归树，随机森林，霍夫森林（CART，random forests，hough forests）

下图是决策树（decisiontree）的一个简单示意：下面分别介绍回归树和分类树。1.1回归树（regressiontree）如何逐步生成回归树？
anson2004110·2020-09-14 01:39

使用行为树(Behavior Tree)实现游戏AI

谈到游戏AI，很明显智能体拥有的知识条目越多，便显得更智能，但维护庞大数量的知识条目是个噩梦：使用有限状态机(FSM)，分层有限状态机(HFSM)，决策树(DecisionTree)来实现游戏AI总有那么些不顺意
渡水寻彼岸·2020-09-13 20:42

基于决策树的分类预测

一棵决策树（DecisionTree）是一个树结构（可以是二叉树或非二叉树），每个非叶节点对应一个特征，该节点的每个分支代表这个特征的一个取值，而每个叶节点存放一个类别或一个回归函数。
周新博·2020-09-13 15:28

《机器学习实战》DecisionTree学习笔记

决策树的优缺点优点:计算复杂度不高，输出结果易于理解，对中间值不明干，可以处理不相关特征数据。缺点:可能会产生过度匹配。范围:数值型和标称型。决策树的一般流程收集数据准备数据：树构造算法只适用于标称型数据，因此数值型数据必须离散化分析数据：可以使用任何方法，构造树完成之后，应该检查图形是否符合预期训练算法：使用经验树计算错误率使用算法：此步骤可以适用于任何监督学习算法，而使用决策树可以更好地理解数
curtain灬、·2020-09-12 14:38

MIT算法导论课程笔记5: 线性排序算法

这节课首先通过decisiontree理论上证明了基于比较的排序算法的平均时间复杂度不会好于O(nlog⁡n)O(n\logn)O(n
silent56_th·2020-09-12 13:19

机器学习算法之决策树

1.1决策树表示法决策树（DecisionTree）是一种简单但是广泛使用的分类器。通过训练数据构建决策树，可以高效的对未
智享AI·2020-09-12 05:46

深入理解GBDT

顾名思义,它是一种基于决策树(decisiontree)实现的分类回归算法。不难发现,GBDT有两部分组成:gradientboosting,decisiontree。
xsqlx·2020-09-11 22:17

支持向量机(SVM)和决策树(Decision Tree)简介

小目录一、支持向量机(SVM)1.线性可分的支持向量机2.近似线性可分的支持向量机二、决策树(DecisionTree)一、支持向量机(SVM)  主要思想：找一个超平面，使其尽可能多地将两类数据点分开
zhouchangyu1221·2020-09-11 20:51

不同算法概念理解（svm,logit,neural network,decision tree,random forest）

最近看了一下（svm,logit,neuralnetwork,decisiontree,randomforest）算法的基础概念，把这些算法涉及到的特征点，记录下来，以便以后用于理解和比较。
Hans.liang·2020-09-11 19:27

二分查找与判定树

由此得到的二叉树，称为描述二分查找树的判定树（DecisionTree）或比较树（ComprisionTree）。时间复杂度为O(logN)。判定树的形态只与表结点个数N有关，与具体的数值无关。
戎·码一生·2020-09-11 01:51

【数据结构】——哈夫曼树及哈夫曼编码

引用百度百科的原话是：决策树(DecisionTree）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
namewdy·2020-09-10 15:15

机器学习十大经典算法之随机森林

决策树（decisiontree）是一个树
小小谢先生·2020-08-25 01:04

6.0——决策树原理DecisionTree（信息熵，基尼系数），决策树解决回归问题，决策树局限性

什么是决策树：决策树以二叉树为原型，是一个非参数学习模型，可以解决多分类，也可以解决回归问题，对数据有很好的解释性。像我们的KNN的缺点就是没有很好的解释性像这样的决策树，我们想到，我们对我们的样本数据，是在哪个维度进行划分的呢？还有在某个维度的哪个值上进行划分的呢？这里就需要用到我们的信息熵和基尼系数了。我们先来看我们的信息熵：看下熵的解释：熵在信息论中表示随机变量不确定度的一个度量（直白的说就
LHboboo·2020-08-24 03:51
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他