决策树分类matlab代码应用机器学习和数据科学食谱-面向初学者的数据科学编码训练营
使用Python，R和MATLAB的应用机器学习和数据科学
适用于应用机器学习和数据科学的Python，R和MATLAB代码列表
应用机器学习和数据科学的7个步骤：
通过编码分类学习：
分类：
数据分析：
数据科学：
数据可视化：
机器学习食谱：
熊猫：
Python：
SKLEARN：
监督学习：
表格数据分析：
端到端数据科学食谱：
应用统计：
套袋乐团：
促进合奏：
CatBoost：
聚类：
数据分析：
数据科学：
数据可视化：
决策树：
LightGBM：
机器学习食谱：
多类别分类：
神经网络：
Python机器学习：
Python机器学习速成课程：
R分类：
R对于初学者：
R
for
Business
Analytics：
R
for
Data
Science：
用于数据可视化的R：
适用于Excel用户的R：
R机器学习：
R机器学习速成课程：
R回归：
回归：
XGBOOST：
有抱负的数据科学家的项目组合项目：表格文本和图像数据分析以及Python和R
@中的时间序列预测
西澳大
2021-10-19 16:49:27
1KB
1
这门课程用财务语言解构企业的价值创造过程，从而帮助学习者理解影响价值创造的各种因素，建立财务思维，并具备将其应用于商业决策的能力。借助财务信息，企业的管理者可以进行有效的战略定位、监控和管理企业的经营业绩、制定更有助于与外部投资者沟通的财务政策，以及对并购目标做出评价；政府管理者可以预测未来产业的兴衰变化；投资人可以判断谁将在未来复杂多变的市场中生存下来并发展壮大；证券分析师和投资银行可以评价公司的价值；商业银行可以评估偿债风险并做出贷款决策；咨询公司可以为客户进行竞争分析。 这虽然是一门研究生课程，但是学习者不需要具备会计基础。我们将从认识财务报表开始，逐步了解财务信息的架构体系，讨论财务数
2021-10-19 14:43:58
1.72MB
1
粗糙集基础知识的程序实现（java），包括基于决策表的等价类计算、基于决策表的核属性计算和两种属性约简算法。
2021-10-18 17:48:54
19KB
1
[Re]决策过程中认知和运动皮质-基底神经节循环之间的相互作用：一项计算研究，M。Topalidou和NP Rougier，Re Science ，2015年。
决策过程中认知和运动皮质-基底神经节循环之间相互作用的参考实现：计算研究，M。Guthrie，A。Leblois，A。Garenne和T. Boraud，《神经生理学杂志》，2013年，第109页。
关键字：神经科学，基底神经节，Python
2021-10-18 04:57:48
294KB
1
决策树二分类matlab代码这是用于使用决策森林框架[1]（在下文中称为Sherwood）进行分类的MATLAB包装器。
培训和分类是并行的。
入门
需要MATLAB和c
++编译器。
根据Sherwood的许可，您必须下载并将其放在/
Sherwood
/中。
使用“
mex
-setup”设置MATLAB。
example.m中提供了一个示例
所有文件都会自动编译
该代码已经过测试
在Ubuntu
13.10上具有GCC
4.8的MATLAB
2013a。
Windows
7上具有Visual
Studio
2013的MATLAB
2013a
局限性
如果使用不支持OpenMP的c
++编译器，则需要通过在sherwood_train.m中设置“
use_openmp
=
false”来关闭多线程训练。
遗憾的是，Mathworks
for
Windows建议的c
++编译器不支持OpenMP。
但是，Visual
Studio支持它。
备择方案
对于MATLAB
[2,3]，至少有两种流行的随机森林实现。
与舍伍德的主要区别是
没有套袋，因此不会出现袋外错误等。
叶子中的概率存储
2021-10-17 23:04:37
106KB
1
主要为大家详细介绍了python利用sklearn包编写决策树源代码，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2021-10-17 19:57:09
62KB
1