![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
预测与分类
文章平均质量分 71
shiny_dan
这个作者很懒,什么都没留下…
展开
-
信息熵
一、信息熵概念 在信息论中,熵是对每条传播信息中含有的信息量的接受量的平均表示,它是不确定性的度量。在信息世界,熵越高,则能传输越多的信息(越稳定,不确定性越小),熵越低,则意味着传输的信息越少。 例:假设一个随机变量X,取三种可能值{\displaystyle {\begin{smallmatrix}x_{1},x_{2},x_{3}\end{smallmatrix}}},概率分别为{\原创 2017-08-22 09:21:14 · 1966 阅读 · 0 评论 -
分类与预测
一、分类 分类:输入样本数据,输出对应的类别,将样本中每个数据对应一个已知属性。(有监督学习) 分类算法分为两步: (1)学习步:通过训练样本数据集,建立分类规则 (2)分类步:用已知的测试样本集评估分类规则的准确率,若准确率可接受,则是使用该规则对除样本以外的数据(待测样本集)进行预测。 二、预测 预测:两种或者两种以上的变量之间相互依赖的函数模型,进行预测或者控制。 预测算法分两原创 2017-08-15 08:52:34 · 3853 阅读 · 0 评论 -
id3决策树
回顾决策树的基本知识,其构建过程主要有下述三个重要的问题: (1)数据是怎么分裂的 (2)如何选择分类的属性 (3)什么时候停止分裂 从上述三个问题出发,以实际的例子对ID3算法进行阐述。 先上问题吧,我们统计了14天的气象数据(指标包括outlook,temperature,humidity,windy),并已知这些天气是否打转载 2017-08-22 11:41:46 · 2961 阅读 · 0 评论