搜索资源列表
Games
- Bayes分类器——算法设计 1． 使用决策树(Decision tree)分类算法、朴素贝叶斯（Naï ve Bayes）算法或者K-近邻（kNN）算法（三者任选其一）对给定的训练数据集构造分类器，并在测试数据集上进行分类预测。 2． 数据集描述： Tic-tac-toe游戏的二叉分类。Tic-tac-toe游戏示例如下-Bayes classifier- Algorithm 1. Using the decision tree (Decision tree) classi
DecisionTree
- 通过构造决策树来进行分类,并用信息熵来剪枝获取最小的树从而进行属性约简-By constructing a decision tree for classification, and information entropy to obtain the smallest tree pruning in order to carry out attribute reduction
decision-tree
- 该算法是数据挖掘中的数据分类算法，通过构造决策树，进而实现对数据的分类。-Data classification, decision tree structure
classification-of-decision-tree
- 寻找新的构造决策树和简化决策树的方法一直是决策树技术研究的一个热点。SLIQ 算法和 SPRINT 算法很好的解决了磁盘驻留数据太大以至于无法被内存容纳带来的问题-Looking for new constructed decision tree and simplify the decision tree method has been a research focus of the decision tree technique. SLIQ algorithm and SPRINT algo
Ch03
- 基于python的决策树的代码,包括树的构造，绘图，存储，分类。-Based on the decision tree python code, including the tree structure, graphics, storage, classification.
cengcifenxifa
- 层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后得用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。这里所谓“优先权重”是一种相对的量度，它表明各备择方案在某一特点的评价准则或子目标，标下优越程度的相对量度，以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于具有分层交错评价指标的目标系统，而且目标值又难于定量描述
treePlotter
- 决策树根据信息增益对数据进行分类，并且构造树的结构，输出结果易于理解-Decision tree based on information gain to classify the data, and construct the structure of the tree, the output result is easy to understand
ID3
- ID3算法流程如下： 1.如果节点的所有类标号相同，停止分裂； 2.如果没有feature可供分裂，根据多数表决确定该节点的类标号，并停止分裂； 3.选择最佳分裂的feature，根据选择feature的值逐一进行分裂；递归地构造决策树。-ID3 algorithm process is as follows: 1. If the node is the same for all class label, stop dividing 2. If there is no featur
data
- 随机森林算法的构造过程：1、通过给定的原始数据，选出其中部分数据进行决策树的构造，数据选取是”有放回“的过程，我在这里用的是CART分类回归树。 2、随机森林构造完成之后，给定一组测试数据，使得每个分类器对其结果分类进行评估，最后取评估结果的众数最为最终结果-Random Forest algorithm construction process: 1, by a given raw data, which part of the decision tree data structu
DecisionTreeID3
- ID3算法是一种贪心算法，用来构造决策树。ID3算法起源于概念学习系统（CLS），以信息熵的下降速度为选取测试属性的标准，即在每个节点选取还尚未被用来划分的具有最高信息增益的属性作为划分标准，然后继续这个过程，直到生成的决策树能完美分类训练样例。(The ID3 algorithm is a greedy algorithm, which is used to construct a decision tree. ID3 algorithm originated from the concept
可用程序
- 首先构造决策树，产生随机森林，是一种预测模型。(First, constructing decision trees to produce random forests is a prediction model.)