机器学习算法(8)——决策树算法-CSDN博客

无水先生
领域专家: 人工智能技术领域
2023-12-22 11:17:58
...全文
184 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
机器学习算法——决策树
决策树（Decision Tree）是一种以树形结果展示决策规则和分类结果的模型。作为一种归纳算法模型，它可以从看似无序、杂乱的数据中提取出数据分类的规律，并用其进行新数据分类或预测。决策树可被用于解决分类和回归问题。例如：通过一个西瓜的多种特征，如其纹理、色泽、触感，等判断其是否是好瓜；或通过一天的天气情况，如是否晴天、风力大小、空气湿度等，判断这一天是否适合进行户外运动等。
机器学习——决策树
优点简单易理解：决策树的结构类似于人类的决策过程，具有很好的可解释性。可以通过树状图直观地展示决策过程和规则，易于理解和解释。非线性关系：决策树能够处理线性和非线性关系，不要求数据线性可分。通过分裂节点，决策树可以捕捉复杂的模式和关系。特征选择：决策树可以自动进行特征选择，重要特征会被优先分裂，提高了模型的性能和效率。处理缺失值：决策树在处理缺失值时具有一定的鲁棒性，能够有效地处理部分缺失的数据。
机器学习算法2——决策树
机器学习算法——决策树算法ID3
机器学习算法——决策树8（后剪枝处理实例）
本节使用的数据为下列链接中的表1、表2（机器学习算法——决策树7（预剪枝处理实例）_Vicky_xiduoduo的博客-CSDN博客） 1. 理论讲解 后剪枝是从训练集生成一棵完整决策树。上节已经分析了，未剪枝之前决策树的验证集精度为42.9%。 图1 未剪枝前的决策树 基于上图，后剪枝首先考虑纹理，若将其领衔的分支剪除，则相当于把纹理替换成叶节点，替换后的叶节点包含编号{7，15}，于是，该叶节点的类别标记为“好瓜”，此时决策树验证集的精确度提升至57.1%。于是后剪枝策略决定剪枝。 然后考
机器学习算法之——决策树
决策树是什么？决策树是一种树形结构，树中每个内部节点表示一个特征上的判断，每个分支代表一个判断结果的输出，每个叶子节点代表一种分类结果决策树的建立过程1.特征选择：选取有较强分类能力的特征。2.决策树生成：根据选择的特征生成决策树。3.决策树也易过拟合，采用剪枝的方法缓解过拟合。决策树的分类：ID3树 ：基于信息增益C4.5树 ：基于信息增益率cart树 ：基于基尼指数。
Winter(带你学AI)

150,050

社区成员

1,293

社区内容

发帖
与我相关
我的任务
社区描述
本社区内容以人工智能、数据科学、机器人工程等智能领域知识交流为主，同时也欢迎任何其他技术方向的IT从业者分享心得体会
人工智能计算机视觉机器学习 个人社区
社区管理员
  • Mr.Winter`
  • 水星国王
  • 跳楼梯企鹅
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

在这里，我们可以一起学习、共同进步：

  1. 智能科学是门槛很高的领域，您可以聊聊学习过程中的困惑或见解；
  2. “万事配环境难”，您可以发布遇到的Bug或解决方案；
  3. 谈谈职场面经，与同行信息共享、优势互补；
  4. 分享自己或他人的优秀博文，为大家增长见识，不限领域；

当然，有些行为我们是禁止的：

  • 恶意刷屏和广告；
  • 措辞不文明甚至人身攻击；
  • 其他违反国家法律和社会道德的行为

试试用AI创作助手写篇文章吧

+ 用AI写文章