数据模型中用的决策分析树工具，直接在excel中加载宏即可。

用C++实现的C4.5算法，以及在此基础上实现的随机森林算法。带有两个训练与测试集合。

基于聚类的决策树在玉米种质筛选中的应用.pdf

聚类、粗糙集与决策树的组合算法在地力评价中的应用.pdf

基于聚类的决策树在玉米种质筛选中的应用(英文).pdf

理解DecisionTreeRegressor的原理，并编程实践。python语言编写。机器学习实验二。附有实验报告，

代码简洁优美

来自Kaggle的泰坦尼克号数据集，包括测试集和训练集。用于决策树算法。

梯度提升决策树 梯度提升决策树的python实现。该算法的核心部分仅使用numpy实现。 参考 梯度提升算法的详细信息 目录 要求 使用方法（用法） 实际示例（示例） MNIST分类（binary_classification） 通过人工数据进行分类（二进制分类，回归问题） 设置 要求 需要以下库来运行示例 numpy scikit-learn matplotlib pandas scipy 快速开始 与Docker一起运行 这是将docker和docker-compose预先安装在主机上的条件。 首先使用docker-compose构建映像，然后使用守护程序启动容器。 docker-compose build docker-compose up -d 示例命令在容器内运行 # コンテナの内部に潜り込む docker exec -it gbdt-app bash # sample.py

本资源是2019年全国大学数学竞赛C题省一等奖论文内含R语言代码。有用的伙伴下载学习交流。 声明：此论文只供自己学习使用，内容切勿用于商用。