讲人话就是利用特徵与分类结果之间的关系,藉由历史资料建构出一棵「如果这样就那样」的树,成为一个让不同特徵落入对应的适当分类模型。
决策树主要分为两大类:
-回归树:用来预测实际的值,输出为定量的,像是温度、年龄之类的等等......
-分类树:用来分类标签,是最常见的决策树,输出为定性的,像是天气是阴天还是晴天、性别是男还是女之类的等等......
决策树的建构步骤:
1.特徵选择:找出对我们做决策有影响的事物(特徵),常用ID3算法求得信息增益,若是想求得信息增益比则是使用C4.5算法。
2.决策树生成:经过计算完特徵值後,找出最合适的根节点及分枝,达到局部最优化。
3.决策树剪枝:防止决策树「过拟合」,提高泛用性,就像剪掉一棵树多余的分枝,达到整体最优化。
CART(Classification and Regression Tree):可以用於分类跟回归问题。
前言 更新这件事情其实非常的重要,但 Hexo 在更新上是真的非常麻烦,所以额外撰写了番外篇来介绍如...
一般来说日期、时间几乎都同时出现 既然昨天学了Android的日期交谈视窗 今天就来学时间的交谈视窗...
Sveiki,我是Charlie! 在Day18我们讲到了结帐的前端,而今天我们将进入Paypal金...
现有的验证器不够⽤吗?有几种⽅式可以⾃订验证器: 写⼀个⽅法,挂到 validate ⽅法上: cl...
延续上一篇的话题 这篇文章要来讲当 C 语言中的 function 需要 6 个以上的参数时(虽然这...