DecisionTree-Java实现
决策树分类器的直观Java实现(从最底层构建)。 该实现基于“泰坦尼克号-来自灾难的机器学习”数据集[1]。
通过10倍交叉验证,分类器可实现0.8227的精度,而Kaggle测试数据集可实现0.7249的精度。
算法
该实现基于Ross Quinlan [2]开发的C4.5算法。 以下伪代码概述了该算法:
train(EXAMPLES, TARGET_ATTRIBUTE, ATTRIBUTES)
if all EXAMPLES positiv
return root (label = +)
else if all EXAMPLES negative
return root (label = -)
else if ATTRIBUTES empty
return root (label = mcv(T
评论0
最新资源