2.9 段寄存器 我们前面讲到. 8086CPU 在访问内存时要由相关部件提供内存单元的段地址和偏移地 址，送入地址加法器合成物理地址。 这里，我们要看一下，是什么部件提供段地址。 段地 址在 8086CPU 的段寄存器中存放。 8086CPU 有 4 个段寄存器: CS , DS , SS 、 ES。当 8086CPU 要访问内存时由这 4 个段寄存器提供内存单元的段地址。 我们本课中只介绍 CS o 2.10 CS 和 IP CS 和 IP 是 8086CPU 中两个最关键的寄存器，它们指示了 CPU 当前要读取指令的地

1.决策树基本原理 2.决策树三要素 1. 特征选择： 2. 决策树生成： 3. 剪枝： 3. 决策树学习基本算法 4.决策树算法优缺点 5.熵的概念 6.信息

:deciduous_tree: Python中的斜决策树 倾斜决策树实现的python接口： OC1 CART-线性组合（Breiman等，1984，第5章） 安装（Python 3） 首先使用以下命令安装numpy ： pip install numpy 然后运行： pip install git+https://github.com/AndriyMulyar/sklearn-oblique-tree 利用 可以使用普通的scikit-learn分类器api来诱导树木。 例如： from sklearn . datasets import load_iris , load_breast_cancer fro

hBayesDM hBayesDM （决策任务的多层贝叶斯建模）是一种用户友好的程序包，可对一系列决策任务上的各种计算模型提供分层的贝叶斯分析。 hBayesDM使用进行贝叶斯推理。 现在， hBayesDM支持和 ！ 快速链接 教程： : （R）和 （Python） 邮件列表： : forum / hbayesdm-users 错误报告： https : //github.com/CCS-Lab/hBayesDM/issues 贡献：请参阅此存储库的Wiki 。 引文 如果您使用hBayesDM或其某些代码进行研究，请引用本文： @article { hBayesDM , title = { Revealing Neurocomputational Mechanisms of Reinforcement Learning and Decision-Making

matlab求求的代码男HepC 决策树 贡献者：Adeeb Rashid、Rilee Robbins、Beauregard Brickson 宗旨 这个项目有两个目标： 早期诊断丙型肝炎患者，无需他们要求进行丙型肝炎特异性血液检查或在严重肝损伤之前，以便他们及早治疗疾病。 及早诊断丙型肝炎患者，以防止疾病进一步传播给他人。 意义和范围 丙型肝炎是一种攻击肝脏的病毒感染，可导致肝癌和/或肝硬化。 大量 HepC 阳性的人没有任何病毒症状，这是本研究的一大动机。 该模型可用于预测接受常规血液检查的患者是否患有丙型肝炎，而无需直接检测病毒。 这种病毒的早期诊断对于防止长期并发症和将病毒传染给另一个人至关重要。 我们项目的范围适用于任何接受常规血液检测的人，因为该模型可以在每次血液检测后运行，以改善早期检测并消除进行特定丙型肝炎检测的需要。 数据集 数据集以 *.csv 文件形式呈现，并在 Kaggle 上找到。 它提供了 614 名患者的血液数据，包含以下特征：年龄、性别、白蛋白（ALB）、碱性磷酸酶（ALP）、丙氨酸转氨酶（ALT）、天冬氨酸转氨酶（AST）、胆红素（BIL）、胆碱酯酶（

以标准灰度图像为例，经过小波分解得到的四幅自带图。通过小波图像分解得到的歌尺度上的小波系数，然后对各种系数星星阈值处理，最后利用处理后的系数进行小波重构，从而得到去噪图像。一幅图像在经过小波分解后，可以得到其低频细节、垂直细节、水平细节和对接线四届四幅图像

TDT4300-分配4-决策树 使用决策树和K近邻分类器对有毒蘑菇进行分类。

蒙特卡罗树搜索方法 这是蒙特卡罗树搜索方法的Java实现。 它是独立的，与域无关的，因此可以轻松地在任何状态操作域中使用。 该项目是为我的学士学位论文目的而开发的。 依存关系 JUnit4，Java克隆库 用法 创建MctsDomainAgent的实现。 public class Player implements MctsDomainAgent< State> { ... } 创建MctsDomainState的实现。 public class State implements MctsDomainState< Action> { ... } 初始化搜索并调用uctSearchWithExploration（）以获得最有前途的操作。 Mcts< State> mcts = Mcts . initializeIterat

Markov Decision Process (MDP) Algorithm.zip，这是一份不错的文件

GA_for_Feature_Selection 使用遗传算法结合决策树做特征选择 Using genetic algorithm for feature selection with decision tree 原始遗传算法参考 import numpy as np import pandas as pd import random data_train = pd.read_csv('\data_train.csv') data_test = pd.read_csv('\data_test.csv') #合并训练集测试集 data = data_train.append(data_test).drop(['id'], axis=1) feature_names = data.columns pop_size = 20 # 种群数量 max_value = 10 #