分类算法与决策树 1
1 分类的概念 3
2 预备知识 3
2.1 目的 3
2.2 辨别 3
2.3 分类VS预测 3
2.3.1 分类 3
2.3.2 预测 3
2.3.3 相同点 3
2.3.4 不同点 3
2.4 分类VS聚类 4
2.4.1 分类 4
2.4.2 聚类 4
3 算法 4
3.1 目的 4
3.2 分类算法步骤 4
3.2.1 建立模型 4
3.2.2 用模型进行分类 5
3.3 分类准备 5
4 模型 5
4.1 决策树 5
4.2 Model 6
4.3 决策树算法 6
4.4 决策树修剪 6
4.5 决策树应用 6
5 MATLAB实现 7
5.1 加载数据集 7
5.2 分类 7
2021-07-11 09:06:14
394KB
Stroke_Prediction_6ML_models
该项目使用六个机器学习模型（XGBoost，随机森林分类器，支持向量机，逻辑回归，单决策树分类器和TabNet）进行笔画预测。 为此，我使用了Kaggle的“ healthcare-dataset-stroke-data”。 为了确定哪种模型最适合进行笔画预测，我绘制了每种模型的曲线下面积（AUC）。 AUC越高，模型越好
2021-05-27 11:01:07
221KB
1
C5.0是决策树模型中的算法，79年由J R Quinlan发展，并提出了ID3算法，主要针对离散型属性数据，其后又不断的改进，形成C4.5，它在ID3基础上增加了队连续属性的离散化。 C5.0是C4.5应用于大数据集上的分类算法，主要在执行效率和内存使用方面进行了改进。
C4.5算法是ID3算法的修订版，采用GainRatio来加以改进方法，选取有最大GainRatio的分割变量作为准则，避免ID3算法过度配适的问题。
2021-05-25 20:41:38
129KB
1
下载后把文件解压放到envi安装目录下的porduct/envi47/save_add文件夹下，安装前先卸载汉化插件。
2021-04-21 11:01:41
3.71MB
1
CART决策树分类算法VC++ CART决策树分类算法VC++ CART决策树分类算法VC++ CART决策树分类算法VC++
2021-02-23 21:03:20
3KB
1