PredictionIO 模板：具有特征重要性的决策树
概述
引擎模板是引擎的几乎完整的实现。 在这个引擎模板中，我们默认集成了 Apache Spark MLlib 的决策树算法。 此回归引擎模板的默认用例是预测的价格。 您可以轻松自定义它以适应您的特定用例和需求。
我们将向您展示如何基于此模板为生产使用创建自己的回归引擎。
用法
与码头工人：
开始使用 predictio 的最佳方法是使用 docker。
从我们的形象
docker run -ti --dns=8.8.8.8 -p 9000:9000 -v /pathTo/template-decision-tree-feature-importance:/MyRegression ants/predictionio:v0.9.1 bash
构建Docker映像
按照的步骤：
git clone https://github
2021-10-16 16:32:50
508KB
1
Decision_tree-python
决策树分类（ID3，C4.5，CART）
三种算法的区别如下：
(1) ID3算法以信息增益为准则来进行选择划分属性，选择信息增益最大的；
(2) C4.5算法先从候选划分属性中找出信息增益高于平均水平的属性，再从中选择增益率最高的；
(3) CART算法使用“基尼指数”来选择划分属性，选择基尼值最小的属性作为划分属性.
本次实验我的数据集如下所示：
共分为四个属性特征：年龄段，有工作，有自己的房子，信贷情况;
现根据这四种属性特征来决定是否给予贷款
为了方便，我对数据集进行如下处理：
在编写代码之前，我们先对数据集进行属性标注。
（0）年龄：0代表青年，1代表中年，2代表老年；
（1）有工作：0代表否，1代表是；
（2）有自己的房子：0代表否，1代表是；
（3）信贷情况：0代表一般，1代表好，2代表非常好；
（4）类别(是否给贷款)：no代表否，
2021-10-01 14:43:40
1.36MB
1
ID3和C4.5决策树学习算法的实现
通过使用ID3和C4.5算法实现决策树并生成F1分数。
在UCI机器学习蘑菇数据集上进行测试
入门：将“ Project1_N01412075_Resubmission”文件夹下载到本地驱动器。
This folder has
1) Project1_Mushroom_DT_N01412075.py - A file that contains source code for the implementation.
2) Mushroom folder that has 10 smaller training files(used for cross validation), 1 larger training file (which is a concatenation of all the smaller files) and a final
2021-09-29 11:20:29
311KB
1
领域内的经典，非常值得一看的红宝书，推荐
2021-09-13 03:45:55
19.15MB
1
Casuality, Correlation and Artificial Intelligence for Rational Decision Making
By 作者: Tshilidzi Marwala
ISBN-10 书号: 9814630861
ISBN-13 书号: 9789814630863
Release Finelybook 出版日期: March 5, 2015
pages 页数: (208)
2021-08-29 09:27:50
2.69MB
1
西门子Siemens-201405_Vision 2020 Bernstein Strategic Decision Conference_By_CEO.pdf
2021-08-27 18:01:59
498KB