搜索资源列表
jueceshur8
- 是构造决策树分类器的一种算法，它是ID3算法的扩展。ID3算法只能处理离散型的描述性属性，而此算法还能够处理描述性属性是连续型的情况。
DataWarehouse
- 本书论述在设计和建造数据仓库中涉及的所有主要问题，论述分析型环境(决策支持系统环境)以及在这种环境中的数据构造。主要内容包括数据仓库的设计与建造步骤，传统系统到数据仓库的迁移，数据仓库的数据粒度、数据分割、元数据管理、外部数据与非结构化数据，分布式数据仓库、高级管理人员信息系统和数据仓库的设计评审等。 本书主要是面向数据仓库的设计、开发和管理人员，以及构造和使用现代信息系统的人员，也适于信息处理方面的高校师生和从事传统数据库系统技术工作的人阅读。-This book discusses the
database
- 本书论述在设计和建造数据仓库中涉及的所有主要问题，论述分析型环境(决策支持系统环境)以及在这种环境中的数据构造。主要内容包括数据仓库的设计与建造步骤，传统系统到数据仓库的迁移，数据仓库的数据粒度、数据分割、元数据管理、外部数据与非结构化数据，分布式数据仓库、高级管理人员信息系统和数据仓库的设计评审等。 本书主要是面向数据仓库的设计、开发和管理人员，以及构造和使用现代信息系统的人员，也适于信息处理方面的高校师生和从事传统数据库系统技术工作的人阅读。-This book discusses the
dongtaiguihua
- 动态规划的基本思想是把求解的问题分成许多阶段或 多个子问题，然后按照顺序求解各个子问题。前一子问题的解为后一子问题的求解提供了有用的信息。在求解任一子问题时，列出各种可能的局部解，通过决策保留那些可能达到最优的局部解，舍弃其他的局部解。依次解决各个子问题，最后一个子问题的解就是原问题的解。动态规划算法与分治法类似，但是不同的是，在使用动态规划求解问题时得到的各个子问题往往不是相互独立的。由于动态规划算法解决问题往往有重叠子问题的特点，因此为了减少重复计算，不管该子问题以后是否被用到，只要它被
C4.5
- C4.5 算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法. C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进： 1) 用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足； 2) 在树构造过程中进行剪枝； 3) 能够完成对连续属性的离散化处理； 4) 能够对不完整数据进行处理。 C4.5算法有如下优点：产生的分类规则易于理解，准确率较高。其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描
the-minimum-cost-of-a-binary-tree
- 在二分检索树中，为了把动态规划应用于得到一颗最优二分检索树的问题，需要把构造这样的一个数看成是一系列决策的结果，而且要能列出求取最优决策序列的递推式，可以帮助你了解最优成本二叉树的实现-In a binary search tree, dynamic programming is applied in order to get the best question a binary search tree, we need to construct a number such as a resul
ID3
- ID3算法实现，构造决策树，并预测相应输出，应用领域广泛，商业经济领域，航空航天等领域。-ID3 algorithm to construct a decision tree, and predict the corresponding output, wide range of applications, business economics, aerospace and other fields.