机器学习总结（lecture 9）算法：决策树Decision Tree（DT）
lecture 9：决策树Decision Tree 目录 lecture 9决策树Decision Tree 目录 1决策树基础 2特征选择 1信息熵 2信息增益 3根据信息增益选择属性的例子 4增益率 3决策树生成算法 ID3C45CART 4剪枝处理 1决策树基础 决策树（decision tree）是一种基本的分类与回归方法，主要用于分类。可以看做是if-then规则的集合。 优点：分类速
相关文章
- 1. 机器学习实战（二）决策树DT（Decision Tree、ID3算法）
- 2. 决策树 Decision Tree, DT
- 3. 决策树（decision tree）算法
- 4. Decision Tree (决策树算法)
- 5. 决策树算法（decision tree）
- 6. 决策树（Decision Tree）总结
- 7. 机器学习：决策树（Decision Tree）
- 8. 机器学习-决策树 Decision Tree
- 9. 机器学习之 决策树(Decision Tree)
- 10. 机器学习-决策树（decision tree）
- 更多相关文章...
- • XML 树结构 - XML 教程
- • XML 总结 下一步学习什么呢？ - XML 教程
- • 算法总结-回溯法
- • 算法总结-深度优先算法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
