![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
SEU_CS_ZZZ
这个作者很懒,什么都没留下…
展开
-
Python实现——机器学习(周志华)西瓜书习题7.6—— AODE贝叶斯分类器
Python实现——机器学习(周志华)西瓜书习题7.6—— AODE分类器·实现原理AODE:将每个属性作为超父(所有属性都依赖于同一个属性,即称为超父),来构建SPODE,然后将那些足够训练数据支撑的SPODE集成作为最终结果,即P(c|x) 为预测样本x分类为c的概率,其正比于后面的求和。其中Dxi是在第i个属性上取值为xi的样本集合。m’为阈值常数,在这题里面显然是0(通常是30)显然,AODE需要估计两个概率·数据集四级标题五级标题...原创 2020-07-23 16:16:32 · 1180 阅读 · 0 评论 -
机器学习(周志华)西瓜书 课后习题4.3 信息熵决策树算法——python实现(包括树的可视化)
机器学习(周志华)西瓜书 课后习题4.3 信息熵决策树算法——python实现算法原理1.信息熵2.信息增益我们所以要做的就是不断地从当前剩余的属性当中选取最佳属性对样本集进行划分。算法的伪代码数据集Python实现由于基于信息增益的决策树算法一般适用于离散属性,若要处理连续属性则必须将其按照一定规则转为离散属性。所以在接下来的代码实现当中并未处理连续属性1. 信息熵的计算def entropy(D): count=D.shape[0] Ent=0.0 t原创 2020-08-03 15:04:01 · 9249 阅读 · 15 评论