# DataScience
数据科学的实践
包括:决策树、随机森林、集成模型、朴素贝叶斯;多层感知机、卷积神经网络
没有合适的资源?快使用搜索试试~ 我知道了~
数据科学的实践 包括:决策树、随机森林、集成模型、朴素贝叶斯.zip
共11个文件
py:7个
csv:2个
md:1个
需积分: 5 0 下载量 76 浏览量
2024-04-25
19:09:57
上传
评论
收藏 55KB ZIP 举报
温馨提示
决策树(Decision Tree)是一种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。由于这种决策分支画成图形很像一棵树的枝干,因此得名决策树。在机器学习中,决策树是一个预测模型,代表的是对象属性与对象值之间的一种映射关系。 决策树的应用场景非常广泛,包括但不限于以下几个方面: 金融风险评估:决策树可以用于预测客户借款违约概率,帮助银行更好地管理风险。通过客户的历史数据构建决策树,可以根据客户的财务状况、征信记录、职业等信息来预测违约概率。 医疗诊断:医生可以通过病人的症状、体征、病史等信息构建决策树,根据不同的症状和体征来推断病情和诊断结果,从而帮助医生快速、准确地判断病情。 营销策略制定:企业可以通过客户的喜好、购买记录、行为偏好等信息构建决策树,根据不同的特征来推断客户需求和市场走势,从而制定更有效的营销策略。 网络安全:决策树可以用于网络安全领域,帮助企业防范网络攻击、识别网络威胁。通过网络流量、文件属性、用户行为等信息构建决策树,可以判断是否有异常行为和攻击威胁。
资源推荐
资源详情
资源评论
收起资源包目录
数据科学的实践 包括:决策树、随机森林、集成模型、朴素贝叶斯.zip (11个子文件)
content
个人信用评估(决策树)
RadomForest.py 8KB
DecisionTreeGini.py 10KB
credit.csv 156KB
LICENSE 11KB
个人信用评估(朴素贝叶斯)
Bayes.py 12KB
credit.csv 156KB
手写数字识别(MLP和CNN)
neural_mlp.py 4KB
neural_numpy1.py 5KB
neural_numpy2.py 4KB
neural_cnn.py 3KB
README.md 144B
共 11 条
- 1
资源评论
生瓜蛋子
- 粉丝: 3794
- 资源: 4174
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功