算法设计与分析学习提纲,第五章 贪婪法.doc
2022-05-06 14:10:13 1.02MB 文档资料 算法 学习
算法设计与分析学习提纲,第八章 分支与限界.doc
2022-05-06 14:10:12 1.18MB 文档资料 算法 学习
算法设计与分析学习提纲,第十一章 计算几何问题.doc
2022-05-06 14:10:11 1.36MB 文档资料 算法 学习
算法设计与分析学习提纲,第十二章 NP完全问题.doc
2022-05-06 14:10:09 1.2MB 文档资料 算法 学习
算法设计与分析学习提纲,第十章 图和网络问题.doc
2022-05-06 14:10:08 1.74MB 文档资料 算法 学习 网络
算法设计与分析学习提纲,第四章 递归和分治.doc
2022-05-06 14:10:07 1.51MB 文档资料 算法 学习
软件工程_算法分析与设计_学习笔记.doc
2022-05-06 14:09:47 140KB 文档资料 软件工程 算法 学习
大数据-算法-高中数学教学中合作学习.pdf
2022-05-06 09:07:51 2.48MB big data 算法 学习
JPS 2011算法译文部分内容 学习笔记
2022-05-01 15:13:13 168KB 算法 学习
1
数据挖掘十大算法的学习资料。机器学习中,决策树是一个预测模型;它代表的是对象属性值与对象值之间的一种映射关系。树中每个节点表示某个对象,每个分叉路径则代表的某个可能的属性值,而每个叶结点则对应具有上述属性值的子对象。决策树仅有单一输出;若需要多个输出,可以建立独立的决策树以处理不同输出。 从数据产生决策树的机器学习技术叫做决策树学习, 通俗说就是决策树。 决策树学习也是数据挖掘中一个普通的方法。在这里,每个决策树都表述了一种树型结构,它由它的分支来对该类型的对象依靠属性进行分类。每个决策树可以依靠对源数据库的分割进行数据测试。这个过程可以递归式的对树进行修剪。当不能再进行分割或一个单独的类可以被应用于某一分支时,递归过程就完成了。另外,随机森林分类器将许多决策树结合起来以提升分类的正确率。 决策树同时也可以依靠计算条件概率来构造。决策树如果依靠数学的计算方法可以取得更加理想的效果。
2022-04-28 16:06:36 3.63MB 数据挖掘 算法 学习 人工智能