没有合适的资源?快使用搜索试试~ 我知道了~
决策树启发式和修剪:构建和训练决策树。 修剪正则化
共9个文件
csv:3个
png:3个
md:1个
需积分: 50 2 下载量 94 浏览量
2021-02-21
07:43:38
上传
评论
收藏 49KB ZIP 举报
温馨提示
决策树启发式和修剪 我们可以将决策树定义为计算树,其中每个节点都包含一个关于属性的问题,节点的每个分支都包含对该问题的答案。 哪个问题/属性应该放在每个节点中,由决策树学习算法确定。 如Mitchel中所述,为学习决策树而开发的大多数算法都是核心算法的变体,该核心算法在可能的决策树的空间中采用了自上而下的贪婪搜索。 决策树什么时候合适? 对于监督学习:该算法需要标记数据可用 分类:目标具有离散值 当我们有嘈杂的数据时:训练数据可能包含错误 算法: ID3 (Examples, Target_Attribute, Attributes) Create a root node for the tree If all examples are positive, Return the single-node tree Root, with label = +. If
资源推荐
资源详情
资源评论
收起资源包目录
Decision-Trees-Heuristics-and-Pruning-master.zip (9个子文件)
Decision-Trees-Heuristics-and-Pruning-master
training_set.csv 25KB
test_set.csv 82KB
images
equations 54B
vi_gain_eq.png 9KB
vi_eq.png 3KB
infogain_eq.png 5KB
validation_set.csv 82KB
tree.py 17KB
README.md 4KB
共 9 条
- 1
资源评论
LunaKnight
- 粉丝: 31
- 资源: 4705
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