决策树（Classification and Regression Tree）

于 2023-11-30 16:29:57 发布
阅读量615 收藏 5
点赞数 6
分类专栏： python实践（数据挖掘） 文章标签： 决策树 算法 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_66039322/article/details/134715143
版权

学了数据结构的树后，一直没发现树有哪些应用。学而时习（实践）之，不亦说乎？故特地上网查了查树的应用，在下阐释：

1.文件系统：文件和目录的组织通常以树的形式表示，允许高效的文件索引和管理

2.数据库索引：数据库管理系统使用树结构（如B树或红黑树）来加速数据的检索和排序

3.编译器：语法分析器通常使用语法树来确定程序的结构，以便进行编译和优化

4.网络路由：网络路由算法使用树结构来确定最佳路径

5.图形学：场景图和层次结构通常以树形式表示，用于图形渲染和动画

6.人工智能：决策树和行为树结构等树结构用于模拟决策和行为

7.数据压缩：哈夫曼树（Huffman Tree）用于数据压缩

多个标准的顺序应该怎么选择呢？

                                                               引入基尼系数

计算基尼系数如下，房子的基尼系数最小，故先将房子建立决策树

后以工作作为节点，建立决策树

最终的决策树建立成功！！！

术业有专攻，闻道有先后
关注
  • 6
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习之分类回归树（CART）
qq_38375203的博客
05-09 9831
前言 写这一章本来是想来介绍GBDT-LR这一个推荐模型的。但是这里面就涉及到了很多机器学习的基础树形算法，思前想后还是决定分成几篇文章来写，这里先介绍一下CART数，因为在GBDT中用来分类回归的树形结构就是CART，为了更好的理解这个推荐模型，首选需要的就是打好基础，介绍完CART之后，我就会介绍XGBoost等一些集成学习的东西，然后就是GBDT，当然了还有Xgboost。的确是一个大家族啊，当然了这些并不是全部的东西，还有LightGBM、catboost这几大巨头算法。这些之后再介绍吧。 一、
Classification and Regression Trees(CART) (Nonlinear Algorithms)
u011868279的博客
06-15 451
Classification and Regression Trees(CART) (Nonlinear Algorithms)
分类和回归树（CART, Classification and Regression Trees）
SunJerdege
09-15 1256
分类与回归树（classification and regression tree，CART）之回归
天泽28的专栏
06-27 9690
分类与回归树（classification and regression tree，CART）之回归 写在前面： 因为正在看提升树，所以又去看了李航老师《统计学习方法》的CART算法的回归部分，看完莫名想起了本科导师的名言：国内人写书，喜欢简单问题复杂化，复杂问题超级复杂化。可能是我境界不够，我不明白两个for循环的事情为何会叙述的如此复杂。。复杂到你可能得花费一些时间去思考他想表达什么，复杂到你...
深入走近 树回归 CART(Classification And Regression Trees)
u011868279的博客
04-28 435
本博文 包括以下内容： CART算法 回归与模型树 树剪枝算法 Python 中GUI 的使用 问题： 实际生活中很多问题都是非线性的，不可能使用全局线性模型来拟合任何数据。 解决方案：一种可行的方法是将数据集切分成很多份易建模的数据。然后利用第8章的线性回归技术来建模。如果首次切分后仍然难以拟合线性模型就继续切分。这种切分方式下，树结构和回归法相当有用。 9.1 复杂数据的局部性建模 9.2 连续和离散型特征的树的构建 在树的构建过程中，需要解决多种类型数据的存储问题。 we'r
Classification and Regression Trees
03-23
Classification and Regression Trees 分类与决策树 英文高清经典教程
决策树算法之分类回归树 CART（Classification and Regression Trees）【1】
weixin_43650429的博客
01-06 1429
分类回归树 CART 是决策树家族中的基础算法，它非常直觉（intuitive），但看网上的文章，很少能把它讲的通俗易懂（也许是我理解能力不够），幸运的是，我在 Youtube 上看到了这个视频，可以让你在没有任何机器学习基础的情况下掌握 CART 的原理，下面我尝试着把它写出来，以加深印象. 决策树的结构 下图是一个简单的决策树示例： 假设上面这个决策树是一个用来判断病人是否患有心脏病的系统，...
决策树算法(Classification and Regression Trees, CART)part1引子与类型划分
CSDNXXCQ的博客
02-25 237
引子 假设现在我们在炒股，对于股票A,我们有两个选择，买入，或者不买入， 然后过一段时间，A涨了，那么买入是正确的选择，不买入是没那么正确的选择 这就是最简单的决策树 类型划分 同时我们也要注意到，决策树其实有许多不同的类型 1,程度，还是上面股票的例子，假设我们已经买入A,然后A涨了，这个时候又有两种情况 涨了，我们通过这个挣了好几万，那么这就是个明智的选择，涨了，我们挣了大概一百多，而如果我们去买跟A有关联的股票B能挣几千，那么这就是个不那么明智的选择 2，单纯的对与错(就是引子中的内容) 3，增加树的
【机器学习入门】决策树算法（四）：CART算法（Classification and Regression Tree）
最新发布
weixin_62958065的博客
03-06 1633
CART（Classification and Regression Tree）算法，即分类回归树算法，也是决策树构建的一种常用算法。
分类与回归树(CART,Classification And Regression Tree)
WX_Chen的博客
09-08 3128
分类回归树也属于一种决策树。 分类回归树是一棵二叉树，且每个非叶子节点都有两个孩子。 构建决策树时通常采用自上而下的方法，在每一步选择一个最好的属性来分裂。 "最好" 的定义是使得子节点中的训练集尽量的纯。不同的算法使用不同的指标来定义"最好"。本部分介绍一种最常见的指标。 GINI指数： 1、是一种不等性度量； 2、通常用来度量收入不平衡，可以用来度量任何不均匀分布；
CART: Classification and Regression Trees
01-15
CART: Classification and Regression Trees
决策树之CART（分类回归树（Classification and Regression Tree））算法
The Zen of Data Analysis
10-04 2386
CART-分类回归树 CART：分类回归树（Classification and Regression Tree），属性如下： 1）CART分裂过程是一个二叉递归划分过程； 2）CART预测变量x的类型既可以是连续型变量量也可以是分类型变量； 3）CART数据应以其原始形式处理，不需要离散化； 4）CART用于数值型预测时，并没有使用回归，而是基于到达叶结点的案例的平均值做出预测。 分裂准则 1）...
cart算法_决策树算法之 CART（Classification and Regression Trees）上
weixin_39682944的博客
11-28 224
分类回归树 CART 是决策树家族中的基础算法，它非常直觉(intuitive)，但看网上的文章，很少能把它讲的通俗易懂(也许是我理解能力不够)，幸运的是，我在 Youtube 上看到了这个视频(http://1t.click/aMGq)，可以让你在没有任何机器学习基础的情况下掌握 CART 的原理，下面我尝试着把它写出来，以加深印象.决策树的结构​下图是一个简单的决策树示例：假设上面这个决策树是...
CART（Classification And Regression Tree）
天空飘来五个字
11-18 2924
CART算法（Classification And Regression Tree）http://blog.csdn.net/u014568921/article/details/45082197 https://wenku.baidu.com/view/286c19dae009581b6bd9eb59.html http://www.dataguru.cn/article-4720-1.htm
cart算法_机器学习之决策树CART（classification and regression tree）算法
weixin_39595487的博客
11-27 308
分类决策树是一种描述对实例进行分类的树形结构，由结点和向边组成、结点又分为内部节点和叶子结点。那么构建一颗好的决策树关键在于选择一个好的特征，该特征对训练数据具有较好的分类能力，这样可以提高决策树的学习能力。度量一个特征对是否能够很好的对训练数据进行分类，可以用信息熵、信息增益来衡量。ID3算法的核心就是在决策树的各个节点上应用信息增益准则选择特征，递归的方式构建决策树。ID3构建决策树...
分类回归树-classification and regression tree-CART
我们的时光！
04-08 4655
————————————————————————————————————————————————————————————————————————————— 决策树之C4.5 上面讨论的决策树的ID3算法，属性只能是枚举型的（离散的），当然属性值可以是连续的数值型，但是需要对这些数据进行预处理，变为离散型的，才可以运用ID3算法。 所以Ross Quinlan又提出了C4.5算法，能够处理属性
机器学习实战（八）分类回归树CART（Classification And Regression Tree）
今天你学习了吗
10-27 4272
目录 0. 前言 1. 回归树 2. 模型树 3. 剪枝（pruning） 3.1. 预剪枝 3.2. 后剪枝 4. 实战案例 4.1. 回归树 4.2. 模型树 学习完机器学习实战的分类回归树，简单的做个笔记。文中部分描述属于个人消化后的理解，仅供参考。 所有代码和数据可以访问 我的 github 如果这篇文章对你有一点小小的帮助，请给个关注喔~我会非常开心的~ 0...
CART(Classification And Regression Tree)算法原理详解
Abraham Ben
07-11 8031
1. Gini指数CART决策树是用”吉尼指数”来选择属性划分。数据集D的纯度可用基尼值来度量： Gini(D)=∑k=1n∑k′≠kpkpk′=1−∑k=1np2k Gini(D)=\sum_{k=1}^n\sum_{k'\not=k}p_kp_{k'}=1-\sum_{k=1}^np_k^2 直观来说，Gini(D)Gini(D)反映了从数据集D中随机抽取两个样本，其类别标记不一致的概率。
CART决策树：理解和应用
CART（Classification and Regression Tree）决策树算法广泛应用于各种数据建模任务，如二元分类（如响应者与非响应者）和多元分类（如优良账户、延期还款等），以及回归问题（如预测信用卡支付金额或网站消费额）。...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值