搜索资源列表
datamining
- 这是一个数据挖掘的算法模型，可以实现多维度、多数据、多分类的数据分析。包含对样本和数据的预处理算法，LM神经网络算法和DT决策树算法，并对两种模型进行评价的算法。-This is a data mining algorithm model, you can achieve multi-dimensional, multi-data, multi-class data analysis. Including the preprocessing algorithm for samples and d
decision-tree-classifier
- 这些代码可用于构建决策树分类器,之后通过该代码可将收集到的数据以决策树的形式表示出来，- U8FD9 u4E3B u4E3 u7E1 u7E1 u7E1 u7E1 u53EF u53EF u5C06 u5E0 U6536 u96C6 u5230 u7684 u6570 u636E u4EE5 u51B3 u7B56 u6811 u7684 u5F62 u5F0F u8868 u793A u51FA u6765 uFF0C
ID3-algorithom
- 这些代码可用于构建ID3算法决策树分类器,之后通过该代码可将收集到的数据以决策树的形式表示出来- U8FD9 u4E3B u4E1 u7801 u53EF u7528 u4E8E u6784 u5EFAID3 u7B97 u6CD2 u51B3 u7B56 u6811 u5206 u7C7B u5668, u4E4B u540E u901A u8FC7 u8BE5 u4E3 u7801 U53EF u5C06 u6536 u96C6 u5
ID3-decision-tree
- 可以利用这些代码构建决策树分类器，将其用于用户数据的分类- U53EF u5E2 u5229 u5289 u5206 u5E09 u7R09 U7684 u5206 u7C7B
ID3
- 这些代码可用于构建ID3算法决策树分类器,之后通过该代码可将收集到的数据以决策树的形式表示出来，- U8FD9 u4E3B u4E1 u7801 u53EF u7528 u4E8E u6784 u5EFAID3 u7B97 u6CD2 u51B3 u7B56 u6811 u5206 u7C7B u5668, u4E4B u540E u901A u8FC7 u8BE5 u4E3 u7801 U53EF u5C06 u6536 u96C6 u
DecisionTreeTest
- Sklearn包中决策树的调用，以及算法实现(Call of decision tree in Sklearn package)
randomForest_4.6-12.tar
- 在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。 而 "Random Forests" 是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林(random decision forests)而来的。这个方法则是结合 Breimans 的 "Bootstrap aggregating" 想法
ID3
- ID3算法是一个构建决策树的经典算法，该程序可实现数据的分类(ID3 algorithm is a classical algorithm for constructing decision tree, which can classify data)
vlfeat-0.9.20-bin.tar
- 常用工具包，特征提取方法，如HOG，sift等特征，分类方法如决策树，svm等(Commonly used toolkits, feature extraction methods, such as HOG, sift and other features, classification methods, such as decision trees, SVM, etc.)
dt_hw1
- CMU ML 课程作业第一次作业源代码，决策树分类算法(CMU ML homework code)
decision tree
- 决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。本代码提供生成决策树的算法。(A decision tree is a decision support tool that uses a tree-like graph or model of decisions and their possible consequences, including c
Watermelon
- 通过ID3决策树算法训练决策树规则，对西瓜的好坏进行判别(hrough the ID3 algorithm to determine the quality of watermelon)
VFOI
- 用matlab编写的CART数据挖掘决策树算法 很好的 可以(Matlab prepared by the CART decision tree data mining algorithm is very good)
2012.李航.统计学习方法
- 《统计学习方法》是计算机及其应用领域的一门重要的学科。《统计学习方法》全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文
R
- 本文分别利用逻辑回归、决策树和随机森林三种模型针对员工是否会过早离职问题进行探究，结果显示三种方法预测结果的精确度依次增加，分别为78.59%、96.8%和 99%，并且三种模型均显示员工演满意度是最重要的特征变量。(Predicting employee turnover)
01DTree
- 步骤： 为了判断未知实例的类别，以所有已知类别的实例作为参照 选择参数K 计算未知实例与所有已知实例的距离 选择最近K个已知实例 根据少数服从多数的投票法则(majority-voting)，让未知实例归类为K个最邻近样本中最多数的类别(steps: In order to determine the unknown instance categories, with examples of all known categories
KNN，SVM，决策树，朴素贝叶斯
- 用python的sklearn包分类 简单的对数据进行分类(Sort with Python's sklearn package Simple classification of data)
C4_5
- C4.5算法，优秀的决策树算法，由于求解特征分类问题(C4.5 algorithm, an excellent decision tree algorithm, especially for the problem of feature classification)
findWebshell-master
- webshell后门检测脚本,基于决策树取得很高检测率(a scr ipt to find webshell in webserver)
类比法
- 型的类比学习方法是K-最近邻方法,它属于懒散学习法,相比决策树等急切学习法,具有训练时间短,但分类时间长的特点。K-最近邻算法可以用于分类和聚类中(The analogy learning method is K- nearest neighbor method. It belongs to the lazy learning method. Compared with the decision tree learning method, it has the characteristics o