为机器学习的课程作业

决策树和随机森林的学习资料，通过介绍决策树的相关案例，给出两种模型的计算结果及其分析

决策树算法及应用 ppt 捕捉新旧数据变化的目的： 挖掘出变化的趋势 例：啤酒——尿布 阻止/延缓不利变化的发生 例：金融危机——银行的信贷策略 差异挖掘算法的主要思想： 合理比较新/旧数据的挖掘结果，并清晰的描述其变化部分

决策树算法ID3的代码实验，编译后可直接使用的ID3代码，欢迎下载

机器学习——决策树思维导图

我选用了一个经典数据集来展示如何构建一个决策树模型，这个数据集是——Iris 鸢尾花数据集。里面有我进行数据预处理，分析，优化参数，训练模型以及最终分析决策树的代码。

下面小编就为大家带来一篇python实现决策树C4.5算法详解(在ID3基础上改进)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧

决策树和随机森林-邹伟的ppt，适用于机器学习爱好者。

自学时手打的一些笔记，大部分为摘抄，主要供自己日后查阅

硬盘驱动器 海灵格距离决策树 这在很大程度上未经测试，因此请自行承担风险 已经提出 HDDT 可以很好地处理不平衡数据 [1]。 R 文件包含在给定训练数据的情况下创建海灵格距离决策树 (HDDT) 的函数。 它还提供了使用学习的决策树来预测新数据的功能。 我目前正在使用简单的列表来存储树。 目前没有可视化树的函数。 我很乐意获得反馈并进行改进，如果您已经实施了改进，我会更好:) [1] David A. Cieslak , Nitesh V. Chawla，不平衡数据的学习决策树，在 2008 年欧洲机器学习会议上。