计算机视觉-决策树学习MATLAB源码
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
其他资源
- Docker 源码分析.pdf （高清完整）
- Beckhoff_KEY_V2.5.1
- labview的TCP大文件发送和接收
- 教师信息管理系统PHP+MySQL
- MacOs10.14.4 Vmware 虚拟机镜像文件
- 学生信息管理系统java+sql
- von mises分布
- 网站站点下载工具可以把整个网站的js+css+html都可以载下来
- CANalyzer分析介绍PPT
- 语义分割代码(网盘)
- Stm32F4xx系列官方IAP升级程序
- JPG、PNG、GIF等图像格式转换为SVG矢量图的C代码
- stm8 IO口模拟串口程序
- 基于51单片机空气质量检测
- 无线双工物联网全双工环境后向散射通信网络中的最佳资源分配
- MySQL_Overview.json
- 随机信号分析-清华大学出版社
- matlab2014b
- 东南大学接口复习资料
- 机器学习应用到气候科学
- ssm 项目试手留言板
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
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