利用ID3决策树预测患糖尿病_python下载

weixin_39821620 2022-06-23 09:56:21

利用ID3决策树预测患糖尿病主要实验流程获取数据集—->创建 ID3 决策树--->绘制决策树--->模型测试 if name == 'main': 获取数据集 dataSet, labels = getDataSet() featLabels = [] 创建 ID3 决策树 myTree = createTree(dataSet, labels, featLabels) 绘制决策树 createPlot(myTree) 模型测试 modelTest(myTree, featLabels) , 相关下载链接：https://download.csdn.net/download/xixixixixixixi21/85741941?utm_source=bbsseo

...全文

33 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

利用ID3决策树预测患糖尿病 主要实验流程获取数据集—->创建 ID3 决策树--->绘制决策树--->模型测试 if name == 'main': 获取数据集 dataSet, labels = getDataSet() featLabels = [] 创建 ID3 决策树 myTree = createTree(dataSet, labels, featLabels) 绘制决策树 createPlot(myTree) 模型测试 modelTest(myTree, featLabels)

基于python利用ID3决策树预测患糖尿病的可能性 1.主要实验流程获取数据集—->创建 ID3 决策树--->绘制决策树--->模型测试 if __name__ == '__main__': #### 获取数据集 dataSet, labels = getDataSet() featLabels = [] #### 创建 ID3 决策树 myTree = createTree(dataSet, labels, featLabels) #### 绘制决策树 createPlot(myTree) #### 模型测试 modelTest(myTree, featLabels)

课程设计-基于ID3决策树实现患糖尿病预测python源码+数据集.zip 【说明】【1】项目代码完整且功能都验证ok，确保稳定可靠运行后才上传。欢迎下载使用！在使用过程中，如有问题或建议，请及时私信沟通，帮助解答。【2】项目主要针对各个计算机相关专业，包括计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师或企业员工使用。【3】项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。【4】如果基础还行，或热爱钻研，可基于此项目进行二次开发，DIY其他不同功能，欢迎交流学习。【注意】项目下载解压后，项目名字和项目路径不要用中文，建议解压重命名为英文名字后再运行！有问题私信沟通，祝顺利！课程设计-基于ID3决策树实现患糖尿病预测python源码+数据集.zip课程设计-基于ID3决策树实现患糖尿病预测python源码+数据集.zip课程设计-基于ID3决策树实现患糖尿病预测python源码+数据集.zip课程设计-基于ID3决策树实现患糖尿病预测python源码+数据集.zip课程设计-基于ID3决策树实现患糖尿病预测python源码+数据集.zip课程设计-基于ID3决策树实现患糖尿病预测python源码+数据集.zip课程设计-基于ID3决策树实现患糖尿病预测python源码+数据集.zip课程设计-基于ID3决策树实现患糖尿病预测python源码+数据集.zip课程设计-基于ID3决策树实现患糖尿病预测python源码+数据集.zip课程设计-基于ID3决策树实现患糖尿病预测python源码+数据集.zip课程设计-基于ID3决策树实现患糖尿病预测python源码+数据集.zip

机器学习作业基于ID3决策树实现患糖尿病可能性预测（python源码+数据集）.zip 【项目介绍】关于患糖尿病可能性的预测 1.主要实验流程获取数据集—->创建 ID3 决策树--->绘制决策树--->模型测试 if name == 'main': 获取数据集 dataSet, labels = getDataSet() featLabels = [] 创建 ID3 决策树 myTree = createTree(dataSet, labels, featLabels) 绘制决策树 createPlot(myTree) 模型测试 modelTest(myTree, featLabels)

ID3决策树是以信息增益作为决策标准的一种贪心决策树算法 # -*- coding: utf-8 -*- from numpy import * import math import copy import cPickle as pickle class ID3DTree(object): def __init__(self): # 构造方法 self.tree = {} # 生成树 self.dataSet = [] # 数据集 self.labels = [] # 标签集 # 数据导入函数 def loadDataSet(self, path, lab

下载资源悬赏专区

13,655

社区成员

12,589,237

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章