决策树是一种基本的分类与回归方法，学习通常包含三个步骤：特征选择、决策树的生成和决策树的剪枝。
决策树由结点和有向边组成，结点包括内部结点和叶节点，内部结点表示一个特征或属性，叶节点表示一个类。
决策树学习本质是从训练数据集中归纳出一组分类规则；决策树学习的损失函数通常是正则化的极大似然函数，学习策略是由训练数据集估计条件概率模型。
2019-12-21 21:19:07
2.68MB
1
树型结构是一类重要的非线性数据结构。其中以二叉树最为常用，直观看来树是以分支关系定义的层次结构。
二叉树的建立可用递归法来建立。将二叉树还原成树或森林时可用队列作为中间变量来转换。树或森林的遍历也可用递归法进行遍历。
2019-12-21 21:10:39
987KB
1
随机森林工具包RF_MexStandalone-v0.02-precompiled,已经通过编译，放置到matlab工具箱路径toolbox，设置路径到path调用函数即可实现随机森林回归和分类
2019-12-21 21:06:30
446KB
1
随机森林 random forest 模型是由Breiman 和Cutler 在2001 年提出的一种基于分类树的算法 它通过
对大量分类树的汇总提高了模型的预测精度 是取代神经网络等传统机器学习方法的新的模型 随机森林的运
算速度很快 在处理大数据时表现优异 随机森林不需要顾虑一般回归分析面临的多元共线性的问题 不用做变
量选择 现有的随机森林软件包给出了所有变量的重要性 另外 随机森林便于计算变量的非线性作用 而且可
以体现变量间的交互作用 interaction 它对离群值也不敏感 本文通过3 个案例 分别介绍了随机森林在昆虫
种类的判别分析 有无数据的分析 取代逻辑斯蒂回归 和回归分析上的应用 案例的数据格式和Ｒ 语言代码可
为研究随机森林在分类与回归分析中的应用提供参考 ">随机森林 random forest 模型是由Breiman 和Cutler 在2001 年提出的一种基于分类树的算法 它通过
对大量分类树的汇总提高了模型的预测精度 是取代神经网络等传统机器学习方法的新的模型 随机森林的运
算速度很快 在处理大数 [更多]
2019-12-21 21:05:59
1.86MB
1