带花树算法，时间复杂度O(v4)，网上传说的O(v3)的算法，我用了下，貌似是错的，还是带花树算法比较好。

用JAVA语言编写的决策树算法（完整版）

主要为大家详细介绍了python实现ID3决策树算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

实例如下： # -*- coding:utf-8 -*- from numpy import * import numpy as np import pandas as pd from math import log import operator #计算数据集的香农熵 def calcShannonEnt(dataSet): numEntries=len(dataSet) labelCounts={} #给所有可能分类创建字典 for featVec in dataSet: currentLabel=featVec[-1] if currentLabel n

描述： 实现红黑树、二叉搜索树相关算法：插入（红黑树涉及树的调整：左旋、右旋等），删除，搜索（指定Key值节点）。 另外，红黑树实现计算树黑高的算法。 1).插入测试，输入 8，11，17，15，6，1，22，25，27，建立红黑树，按照 红黑树信息输出方式 输出整棵红黑树以及黑高。 2).删除测试，删除1）中红黑树中Key=15的节点，按照 红黑树信息输出方式 输出调整后的整棵红黑树以及黑高。 3).随机产生300,000个不同自然数Key值（1－300,000，每个数出现一次，出现顺序随机），建立红黑树，查找Key=15000的节点，输出查找花费时间。 随机产生300,000个不同自然数Key值（1－300,000），建立二叉搜索树，查找Key=15000的节点，输出查找花费时间。 4). 重复3－5次3）中操作，求各自平均时间。 5). 在1)－4)的红黑树算法基础上修改完成P307 14.1-4算法 OS_Key_Rank(T,k). 输入 1,2,3,4,5,6,7,8 建树， k=6, 输出OS_Key_Rank的返回值。 文档要点：总结红黑树和二叉搜索树在查找上的性能分析，描述此类算法的应用。 我在网上找了半天，有用的资源太少了，作业只好自己做了，所以我就自己花了1天做这个作业，部分思路参考了google，希望对需要的人有帮助。

关于决策树算法解释较为清晰明了的PPT与代码，非常适合小白入门，以及作为面试的准备，有助于快速提升机器学习基础算法

针对目前空气质量预报多采用传统的数值模型现状，例如空气污染指数法，本次研究通过决策树算法以及大规模的训练数据集建立空气质量预测模型。传统的评估模型是在各种污染参数的污染分指数都计算出以后，取最大者为该区域或城市的空气污染指数固定数值区间的划分来评估空气质量。而基于决策树算法的空气质量评估模型通过采用自顶向下的递归方式对数据进行处理，把一个无序、无规则的实例集合归纳成一组树形结构表示的分类规则，得到了将所有污染参数作为评估空气质量因素的评估模型，可以有效的避免传统的空气质量预报模型的不灵活、边界值不准确的特点。同时可以根据季节和地区等外部因素构建不同的空气质量预测模型以应对外部因素的变化，从而可以构建完整，精确，现代化的空气质量智能预测系统。

包括讲解决策树算法的PPT与用python实现的能够正常运行的代码。

此算法为数据挖掘经典分类算法之一-决策树C4.5算法，程序采用java编程，可以帮助初学数据挖掘的朋友进行算法的简单了解和初步的分析。

针对目前并行Prim最小生成树算法效率不高的问题，在分析现有并行Prim算法的基础上，提出了适于GPU架构的压缩邻接表图表示形式，开发了基于GPU的min-reduction数据并行原语，在NVIDIA GPU上设计并实现了基于Prim算法思想的并行最小生成树算法。该算法通过使用原语缩短关键步骤的查找时间，从而获得较高效率。实验表明，相对于传统CPU实现算法和不使用原语的算法，该算法具有较明显的性能优势。