数据科学迷你项目
决策树回归，随机森林和多元线性回归的精度比较
风险资本家雇用您来预测一家初创公司的利润。 因此，您必须处理一个数据集，该数据集包含50个创业公司的详细信息，并根据某些功能预测新创业公司的利润。 根据您的决定和预测，是否应该投资特定的创业公司。
数据集包含以下字段：研究与发展趋势-研发管理支出总额-行政管理支出支出总额-营销市场支出总额-创业公司运营的州利润-获利启动
在应用机器学习算法之前，您必须执行以下任务：1）处理缺失值2）准备数据进行训练和测试3）应用决策树算法训练模型4）应用随机森林回归算法训练模型5）比较线性回归的精度。
2021-10-16 01:04:32
65KB
1
matlab+分类决策树代码
2021-10-16 00:41:44
13KB
1
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。
2021-10-13 17:33:04
519KB
1
这是matlab语言编写的决策树和森林算法的代码以及建模数据，比较齐全，想学习决策树的同学通过该案例会比较好上手
2021-10-13 17:12:18
778KB
1
一、概论
C4.5主要是在ID3的基础上改进，ID3选择（属性）树节点是选择信息增益值最大的属性作为节点。而C4.5引入了新概念“信息增益率”,C4.5是选择信息增益率最大的属性作为树节点。
二、信息增益
以上公式是求信息增益率（ID3的知识点）
三、信息增益率
信息增益率是在求出信息增益值在除以。
例如下面公式为求属性为“outlook”的值：
四、C4.5的完整代码
from numpy import *
from scipy import *
from math import log
import operator
#计算给定数据的香浓熵：
def calcShannonEnt(
2021-10-09 14:33:32
131KB
1