2.3决策树之基尼系数
在CART里面划分决策树的条件是采用Gini Index，定义以下：html gini(T)=1−sumnj=1p2j算法 其中，( p_j )是类j在T中的相对频率，当类在T中是倾斜的时，gini(T)会最小。spa 将T划分为T1（实例数为N1）和T2（实例数为N2）两个子集后，划分数据的Gini定义以下：xml ginisplit(T)=fracN1Ngini(T1)+fracN2Ngini
相关文章
- 1. 决策树，基尼系数，泰勒级数
- 2. 决策树purity/基尼系数/信息增益 Decision Trees
- 3. Decision Tree（决策树）-Entropy（熵）-Gini（基尼系数）
- 4. 决策树①——信息熵&信息增益&基尼系数
- 5. 机器学习——基于基尼指数构建决策树
- 6. 根据基尼指数生成决策树代码
- 7. Python编程实现基于基尼指数进行划分选择的决策树（CART决策树）算法
- 8. 基尼系数
- 9. 决策树系列之决策树知识点
- 10. 决策树中基尼不纯度初步理解
- 更多相关文章...
- • XML 树结构 - XML 教程
- • SVN 解决冲突 - SVN 教程
- • Flink 数据传输及反压详解
- • Docker容器实战(七) - 容器眼光下的文件系统
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
