![](https://img-blog.csdnimg.cn/d5e442046a8d427c84e2ab5d8703ac7c.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习理论
文章平均质量分 94
机器学习理论知识点
独行的喵
这个作者很懒,什么都没留下…
展开
-
CART决策树----基尼指数划分
文章目录CART决策树----基尼指数划分一.决策树算法的构建二.划分选择——基尼指数三.算法代码CART决策树----基尼指数划分一.决策树算法的构建一般的,一棵决策树包含一个根节点,若干个内部结点和若干个叶结点;叶结点对应于决策结果,其他每个结点则对应于一个属性测试;每个结点包含的样本集合根据测试属性的结果被划分到子结点中;根节点包含样本全集。从根节点到每个叶节点的路径对应了一个判定测试序列。决策树学习的目的是为了产生一棵泛化能力强,即处理未见例能力强的决策树,其基本流程遵循简单而直观的分而治之原创 2022-05-23 17:48:31 · 8192 阅读 · 5 评论 -
机器学习的模型评估与选择
机器学习的模型评估与选择文章目录机器学习的模型评估与选择前言一、误差与过拟合1.概念2.过拟合和欠拟合的解决措施二、评估方法1.留出法2.交叉验证法前言这是我自己整理的机器学习西瓜书第二章的学习笔记和一些心得总结,水平有限仅供参考一、误差与过拟合1.概念误差(error):学习器的实际预测输出与样本真实输出之间的差异训练误差(training error):学习器在训练集上产生的误差,也叫作 “经验误差”(empirical error)泛化误差(generalization):原创 2022-02-05 12:23:49 · 1375 阅读 · 0 评论