- 博客(2)
- 资源 (2)
- 收藏
- 关注
原创 tensorflow交叉熵理解
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]) 先算出来的结果和真实的结果按照每一个位相乘,得到一个10行的向量,然后对这个向量求和。reduce_mean
2017-12-14 10:48:31 403
random forest-matlab C4.5
决策树C4.5算法,从1248个属性中选出18个分类属性,每一个属性里的每一个值a,通过a把数据分成两个部分,然后计算每一部份的信息熵,计算这个属性值a的“信息增益“,然后得到这个属性最大信息增益的分类间隔数;求出所有18个属性的的信息增益和间隔后,求出最大“信息增益率“的属性,作为树根的分类属性。然后通过这个属性的这个分类间隔求出做子左和右子树,去掉最大信息增益率的属性,分别应用决策树算法。;依次迭代下去生成一颗树。
2018-06-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人