计算机视觉-决策树学习MATLAB源码

上传者: sinat_34897952 | 上传时间: 2022-04-06 14:09:06 | 文件大小: 269KB | 文件类型: ZIP
计算机视觉-决策树学习MATLAB源码 与其他的数据挖掘算法相比,决策树有许多优点: (1)易于理解和解释 人们很容易理解决策树的意义。 (2)只需很少的数据准备 其他技术往往需要数据归一化。 (3)即可以处理数值型数据也可以处理类别型 数据。其他技术往往只能处理一种数据类型。例如关联规则只能处理类别型的而神经网络只能处理数值型的数据。 (4)使用白箱 模型,输出结果容易通过模型的结构来解释。而神经网络是黑箱模型,很难解释输出的结果。 (5)可以通过测试集来验证模型的性能 。可以考虑模型的稳定性。 (6)强健控制. 对噪声处理有好的强健性。 (7)可以很好的处理大规模数据 。 缺点: (1)训练一棵最优的决策树是一个完全NP问题。因此, 实际应用时决策树的训练采用启发式搜索算法例如 贪心算法 来达到局部最优。这样的算法没办法得到最优的决策树。 (2)决策树创建的过度复杂会导致无法很好的预测训练集之外的数据。这称作过拟合。 剪枝机制可以避免这种问题。 (3)有些问题决策树没办法很好的解决,例如 异或问题。解决这种问题的时候,决策树会变得过大。

文件下载

资源详情

[{"title":"( 8 个子文件 269KB ) 计算机视觉-决策树学习MATLAB源码","children":[{"title":"4、决策树学习","children":[{"title":"main.m <span style='color:#111;'> 1.35KB </span>","children":null,"spread":false},{"title":"ID3_Results.png <span style='color:#111;'> 5.62KB </span>","children":null,"spread":false},{"title":"flower_test.png <span style='color:#111;'> 253.13KB </span>","children":null,"spread":false},{"title":"BuildC45Tree.m <span style='color:#111;'> 3.47KB </span>","children":null,"spread":false},{"title":"UseID3Tree.m <span style='color:#111;'> 1.29KB </span>","children":null,"spread":false},{"title":"UseC45Tree.m <span style='color:#111;'> 1.39KB </span>","children":null,"spread":false},{"title":"flower_mask.png <span style='color:#111;'> 1.39KB </span>","children":null,"spread":false},{"title":"C45_Results.png <span style='color:#111;'> 5.56KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明