机器学习-算法--决策树
2017-03-31 18:06
465 查看
概念
判定树(decision tree)
是一个类似于流程图的树结构:其中,每个内部结点表示在一个属性上的测试,每个分支代表一个属性输出,而每个树叶结点代表类或类分布。树的最顶层是根结点
熵(entropy)
信息量的度量,等于不确定性的多少 变量的不确定性越大,熵也就越大 公式:
H(X)=−∑xP(x)log2[P(x)]
公式详解:
某个概率:P(x)
某个概率的对数
log2[P(x)]
解释:熵等于(((概率与(概率的对数)乘积)的负数)的和)
决策树归纳算法
Gain(A)=Info(D)−InforA(D)决策树的优点:
直观,便于理解小规模数据集有效
决策树的缺点:
处理连续变量不好类别较多时,错误增加的比较快
可规模性一般
相关文章推荐
- 机器学习第一个算法决策树(DecisionTree)
- 机器学习入门算法及其java实现-ID3(决策树)算法
- 【机器学习】数据挖掘算法-决策树-------机器学习~了解一下!
- 机器学习与数据挖掘算法 1.编程实现ID3算法,针对下表数据,生成决策树。
- 机器学习知识点(七)决策树学习算法Java实现
- 机器学习—决策树(ID3,C4.5)算法解析
- [Java][机器学习]用决策树分类算法对Iris花数据集进行处理
- 机器学习学习笔记:决策树归纳算法(ID3)
- 机器学习-决策树(decision tree)算法
- 机器学习经典算法详解及Python实现--CART分类决策树、回归树和模型树
- 机器学习各个算法6--决策树
- 用Python开始机器学习(2:决策树分类算法)
- DNS通道检测 国内学术界研究情况——研究方法:基于特征或者流量,使用机器学习决策树分类算法居多
- 【机器学习-决策树模块-基础算法-2)C4.5算法】
- 用Python开始机器学习(2:决策树分类算法)
- 机器学习--决策树(ID3)算法
- 机器学习经典算法-决策树学习之ID3算法
- 机器学习(三)——决策树(decision tree)算法介绍
- 机器学习中的决策树及其演化算法
- 【机器学习】决策树(上)——从原理到算法实现