Apache Spark中的决策树

ENVI插件RuleGen，可用于CART决策树分类。包含三个.exe文件、一个.sav文件、介绍说明文件。

银行存款数据

人工智能课件：决策树算法.pdf

ENVI监督分类、决策树分类、火烧迹地提取和ArcMap制图，适用于遥感软件初学者大学生

包含完整代码、含有部分注释，亲测好用

软件项目外包已成为主要的软件开发方式，但风险却很高。本文提出了外包软件项目风险的决策树智能分析实证模型，并用此模型对项目风险进行评估和控制。建立了基于客户方和承包方双视角的风险识别概念模型，收集了外包软件项目真实样本用于决策树风险智能分析模型的训练和验证。实验结果表明，本文所采用的方法在准确率方面优于神经网络、朴素贝叶斯算法。决策树模型所发现的管理规则与软件工程理论相吻合，能很好地指导项目风险评估分析。

决策树学习及其剪枝算法研究论文。

用于教学目的的简单决策树数据结构和算法。 重点 示例数据集 决策树表示 ID3算法

AdaboostOnMNIST 这是使用两个不同的弱学习者从头开始实现Adaboost算法的方法：决策树分类器和梯度提升分类器。 Adaboost在MNIST上运行以告知奇数和偶数。 经过scikit Learn模型的adaboost测试，并获得了更高的分数。 最小的训练误差为％1.8，在7次迭代中进行了梯度增强。 函数调用为adaboost（X_train，Y_train，inversions_t，Classifier_type），有两种类型的分类器，“ Gradient_Boost”和“ Decision_tree”可以放入第4个输入中。 adaboost返回一个4元组（stump，stump_weights，errors，D_weights） 您可以使用predict（stumps，stump_weights，X_test）对训练集进行预测。 这将返回该X_test的标签数组