决策树是一个通过训练的数据来搭建起的树结构模型，根节点中存储着所有数据集和特征集，当前节点的每个分支是该节点在相应的特征值上的表现，而叶子节点存放的结果则是决策结果。通过这个模型，我们可以高效的对于未知的数据进行归纳分类。每次使用决策树时，是将测试样本从根节点开始，选择特征分支一直向下直至到达叶子节点，然后得到叶子节点的决策结果。
2019-12-21 21:42:57
10KB
1
可以将多源数据用于影像分类当中，这就是专家知识的决策树分类器，本专题以ENVI中Decision Tree为例来叙述这一分类器。
本专题包括以下内容：
专家知识分类器概述
知识（规则）定义
ENVI中Decision Tree的使用
2019-12-21 21:31:00
286KB
1
1. 在UC Irvine Machine Learning数据集上选择三个数据
2. 编写一种机器学习算法预测结果，并使用十次、十折交叉验证
3. 撰写报告，包含对数据集、算法、结果的描述以及源代码
2019-12-21 21:29:58
567KB
1