- 博客(2)
- 收藏
- 关注
原创 决策树
决策树算法决策树简介 决策树 流程图正方形代表判断模块,椭圆形代表终止模块,从判断模块引出的左右箭头称作分支,它可以到达另一个判断模块活着终止模块。 决策树 [优点]:计算复杂度不高,输出结果易于理解,对于中间值的缺失不敏感,可以处理不相关特征数据。 决策树[缺点]:可能会产生过度匹配的问题。 决策树[适用数据类型]:数值型和标称型。 决策树算法决策树简介 决策树的一般流程 信
2015-12-17 15:48:56 818
原创 python机器学习之 K-近邻算法
python机器学习之 K-近邻算法@简单的理解:[ 采用测量不同特征值之间的距离方法进行分类 ] 优点 :精度高、对异常值不敏感、无数据输入假定 缺点 :计算复杂度高,空间复杂度高; 适应数据范围 :数值型、标称型; python机器学习之 K-近邻算法简介 k-近邻算法的一般流程 example1 python导入数据 python处理数据 python数据测试 python结果输出 e
2015-12-15 15:23:45 431 1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人