利用sklearn中的红酒数据集，训练决策树分类模型并评估。利用plt实现了分类的可视化，同时用graphviz可视化了决策树的生成过程。
2023-02-20 00:44:31
137KB
1
决策树C++实现 ，内附GBDT ADABOOST 随机森林的实现方法（其实这三个方法只是在决策树外部加几层循环即可实现，代码不超过30行）
2022-04-18 17:46:04
2.75MB
1
ML-DecisionTree-RandomForest-GridSearch-RandomizedGridSearch
机器学习-决策树，随机森林，网格搜索，随机网格搜索
2021-11-22 10:03:54
2.74MB
1
以决策树作为开始，因为简单，而且也比较容易用到，当前的boosting或randomforest也是常以其为基础的决策树算法本身参考之前的blog，其实就是贪婪算法，每次切分使得数据变得最为有序无序，nodeimpurity对于分类问题，我们可以用熵entropy或Gini来表示信息的无序程度对于回归问题，我们用方差Variance来表示无序程度，方差越大，说明数据间差异越大用于表示，由父节点划分后得到子节点，所带来的impurity的下降，即有序性的增益下面直接看个regression的例子，分类的case，差不多，还是比较简单的，由于是回归，所以impurity的定义为variancema
2021-02-26 16:07:11
137KB
1
包含基于jupyterlab + python的kaggle经典实战案例，离职分析，通过随机森林算法完成数据可视化和展示，包含数据集合算法模型；
2021-01-28 04:28:26
2.54MB
1
决策树代码实现，参考机器学习实战，数据集采用的是adult数据集，增加了数据清洗，该决策树是随机实现的，增加了过拟合的剪枝。
2019-12-21 20:23:03
2.52MB
1
本压缩包包含：
1.本决策树（DecisionTree）项目python源代码文件；
2.项目用的数据（csv格式）；
3.一个普通文件，记录本项目的调试过程，用作实战参考
2019-12-21 19:22:25
4KB
1