一.构建决策树:
1.训练
2.分类
二.墒
1.公式:熵
gini系数 见自己笔记
附加概念:信息增溢:原始熵与现有熵(小)之差
2.信息增溢率
ID3:信息增加
C4.5:信息增益率
CART:Gini系数
评价函数:见笔记本
3.决策树剪枝:
预剪枝
后剪枝
存在公式
4.随机森林:
随机选择:特征样本
一.构建决策树:
1.训练
2.分类
二.墒
1.公式:熵
gini系数 见自己笔记
附加概念:信息增溢:原始熵与现有熵(小)之差
2.信息增溢率
ID3:信息增加
C4.5:信息增益率
CART:Gini系数
评价函数:见笔记本
3.决策树剪枝:
预剪枝
后剪枝
存在公式
4.随机森林:
随机选择:特征样本