- 博客(4)
- 收藏
- 关注
RSS订阅原创 【机器学习】02 决策树CART代码
CART1.引入库2.读入数据3.找到样本最多的类4.计算基尼值5.划分数据集6.找出基尼指数最小的值7.创建树8.运行结果 1.引入库 import math import operator 2.读入数据 def createDataset(): dataSet = [ ['青绿', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'], ['乌黑', '蜷缩', '沉闷', '清晰', '凹陷', '硬滑', '好瓜'],
2022-04-29 16:30:37
1480
1
原创 【机器学习】02 决策树C4.5代码
C4.51.引入库2.读入数据3.找到样本最多的类4.计算香农熵5.划分数据集6.找出信息增益率最大的值7.创建树8.运行结果 1.引入库 import math import operator 2.读入数据 def createDataset(): dataSet = [ ['青绿', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'], ['乌黑', '蜷缩', '沉闷', '清晰', '凹陷', '硬滑', '好瓜'],
2022-04-29 16:08:15
1437
1
原创 【机器学习】02 决策树
决策树一、基本流程二、划分选择2.1 信息增益2.2 增益率2.3 基尼指数三、剪枝处理四、连续与缺失值4.1 连续值处理4.2 缺失值处理 一、基本流程 三种停止条件： 当前结点包含的样本全属于同一类别，无需划分 当前属性集为空，或是所有样本在所有属性上取值相同，无法划分 当前结点包含的样本集合为空，不能划分 二、划分选择 2.1 信息增益 信息熵 是度量样本集合“纯度”最常用的一种指标。 假定当前样本集合D中第k类样本所占的比例为pkp_{k}pk，则D的信息熵定义为Ent(D)=−∑k=1
2022-04-28 21:27:46
1150
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