搜索资源列表
ID3-java-
- ID3决策树算法的JAVA实现.详细的实现过程：熵值条件熵，节点选择等。-ID3 decision tree algorithm JAVA implementation. Detailed implementation process: entropy conditional entropy, the node selection.
Decision_MakingPTree
- 决策树算法案例 对于初学者掌握决策树算法有很大的帮助-Case of decision tree algorithms decision tree for beginners to master a great help
test_draworb0
- 高级信息提取 基于专家知识的决策树分类：规则获取（经验总结、数据挖掘如c4.5 cart算法）、规则定义以及构建决策树 -Advanced information extraction based on expert knowledge of the decision tree classification: the rules to get (lessons learned, data mining algorithms such as c4.5 cart), definit
test_object
- 高级信息提取 基于专家知识的决策树分类 -Advanced information extraction based on expert knowledge of the decision tree classification: the rules to get (lessons learned, data mining algorithms such as c4.5 cart), definitions and rules to build decision trees
chengxu
- 决策树分类，id3算法，数据挖掘，以学生成绩为例-Decision tree classification, id3 algorithm, data mining, to student achievement, for example
C4.5
- 决策树经典学习算法，C4.5算法是ID3算法的改进，加上了子树的信息，因素属性的值可以是连续量,训练例的因素属性值可以是不确定的,对已生成的决策树进行裁剪,减小生成树的规模.-Decision tree learning algorithm of C4.5 algorithm is the classic, the improved ID3 algorithm, coupled with the subtree of the information, the factor attribute v
粗糙集全部算法
- 实现了粗糙集的全部算法，从属性约简到决策规则的产生，并且内附测试数据，可以和数据库直接链接。
Decision_making_tree
- 机器学习课本中的未剪枝决策树代码实现，可以直接运行，自行根据书中（西瓜书）表进行建表，输出结果为层次遍历。(Machine learning textbooks do not prune decision tree code, you can run directly, according to the book (watermelon book) table built table, the output results for the hierarchical traversal.)
FullBNT-1.0.4
- 创建你的第一个贝叶斯网络 手工创建一个模型 从一个文件加载一个模型 使用 GUI 创建一个模型 推断 处理边缘分布 处理联合分布 虚拟证据 最或然率解释 条件概率分布 列表（多项式）节点 Noisy-or 节点 其它（噪音）确定性节点 Softmax（多项式 分对数）节点 神经网络节点 根节点 高斯节点 广义线性模型节点 分类 / 回归树节点 其它连续分布 CPD 类型摘要 模型举例 高斯混合模型 PCA、ICA等 专家系统的混合 专家系统的分等级混合 QMR 条件高斯模型 其它混合模型 参数学
最小错误率贝叶斯决策
- 基于最小错误率的贝叶斯决策 （1）要决策分类的类别数是一定的；（2）每一类出现的“先验概率”已知；（3）每一类的“类条件概率密度”已知；(Bayesian Decision Based on Minimum Error Rate(1) the "prior probabilities" of each class are known; (2) the "conditional probability density" of each class is kn
C4.5决策树
- C4.5决策树的MATLAB实现。内有英文和中文混合注释(C4.5 Decision Tree It has English and Chinese Both Zhu Shi)
UntitledjueceshuID3
- 决策树ID3算法示例，帮助初学者，共同进步(Id3 algorithm example)
牙刷data
- 之前一个牙刷项目中涉及磁力计用到的东西，使用决策树生成的分类器，初级版本。(A primary version of the classifier generated by decision trees.)
decision
- DSmT理论中的决策规则函数源码，对于信息融合的应用有一定的参考价值，尤其对应于冲突性数据。(DSmT theory of decision rule function source code, for the application of information fusion has some reference value, especially in conflict with data.)
trees
- 用PYTHON实现的决策树算法，简单明了，结构清晰(decision tree by python)
DicisionTree
- 决策树算法的简单实现,决策树（Decision Tree）是一种简单但是广泛使用的分类器。通过训练数据构建决策树，可以高效的对未知的数据进行分类。决策数有两大优点：1）决策树模型可以读性好，具有描述性，有助于人工分析；2）效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。(A simple implementation of decision tree algorithms, decision tree (Decision Tree) is a simple b
决策树（java）variance 回归
- mllib调用决策树的java代码，希望对大家有帮助(Mllib calls the Java code of the decision tree)
IDL-decision_tree
- IDL中没有能调用决策树的函数，本程序可以调用决策树工具(d)
decision_tree
- 自己用matlab实现的决策树仿真的代码，决策树代码包含ID3算法和C4.5算法，算法原理可以参照统计学习（李航著）,具体代码编写部分参照网上博客。实现结果用matlab的treelayout实现，模拟树形实现最大程度图形化还原，可以为学习相关算法的朋友提供参考。代码包含相应的主函数和两个决策树函数，具体可参考文字示意。(Reference statistics learning (Li Hang) a book to achieve the MATLAB simulation code, th
jueceshu
- 基于vc++的决策树算法，可以进行编译修改(Vc++ based decision tree algorithm, you can compile and modify)