一般场景决策树如何传递绑定的对象官方的解释总是最权威，有疑问看这里或者直接看代码中的说明: bind_helpers.h. 传值方式描述示例this 或 对象指针如果对象本身是一个RefCountedThreadSafe, 没有问题．如果是个裸指针，应当尽量避免，除非你可以保证它的线程安全．...
分类：
其他好文 时间：
2016-01-09 06:19:42
阅读次数：
202
HaarTraining关键的部分是建立基分类器classifier，OpenCV中所採用的是CART（决策树的一种）：通过调用cvCreateMTStumpClassifier来完毕。这里我讨论利用回归的方法来分裂结点。分类的方法仅仅是在分裂结点的方法与之不同而已。cvCreateMTStumpC...
分类：
其他好文 时间：
2016-01-08 09:19:50
阅读次数：
156
一、概念一张图就可以理解决策树是什么图中的属性有三种：No Surfacing （水下是否可生存）、Filppers（有无脚蹼）、Fish（鱼），通常我们通过前两个属性来判断第三个属性，判断到底是不是鱼。所以第三个属性这里就称它为决策属性二、构建决策树的基本步骤1、将所有数据看作是一个节点2、计算信...
分类：
其他好文 时间：
2016-01-02 22:37:59
阅读次数：
328
if-then规则的集合，优点是模型具有可读性，分类速度快。决策树常用的算法：ID3算法、C4.5算法、CART算法1、熵（entropy，又称信息熵）因此，熵只依赖于X的分布，与X的取值无关。熵越大，随机变量X的不确定性就越大。如果有0概率，令。单位为比特(bit)或纳特(Nat)2、条件熵——表...
分类：
编程语言 时间：
2015-12-29 12:41:50
阅读次数：
184
RapidMiner的基本使用(一个医疗数据的简单决策树算法分析) RapidMiner的基本使用(一个医疗数据的简单决策树算法分析)需要分析的文件： 右键分别创建读取excel数据，选择属性，设置对象，决策树算法...
分类：
编程语言 时间：
2015-12-21 21:33:45
阅读次数：
2326
摘要：决策树是一种重要的分类和回归方法，具有可读性强、分类速度快等特点。决策树是一种树形结构，通过多个If-then规则实现分类或者回归的目的。1.决策树的定义 树想必大家都会比较熟悉，由节点和边两种元素组成的结构。有几个关键词，根节点、父亲节点、孩子节点和叶子节点。 父亲节点和孩子节点是相...
分类：
其他好文 时间：
2015-12-20 22:10:32
阅读次数：
3367
的优点是，在一个决策树的形式数据是easy理解。和kNN最大的缺点是数据的内在含义，不能给予。1：这个概念很简单文字说明 决策树的类型有非常多。有CART、ID3和C4.5等。当中CART是基于基尼不纯度(Gini)的。这里不做具体解释，而ID3和C4.5都是基于信息熵的，它们两个得到的结果都是一样...
分类：
其他好文 时间：
2015-12-14 16:18:08
阅读次数：
204
原文：http://blog.csdn.net/w28971023/article/details/8240756#0-tsina-1-51337-397232819ff9a47a7b7e80a40613cfe1在网上看到一篇对从代码层面理解gbdt比较好的文章，转载记录一下： GBDT(...
分类：
其他好文 时间：
2015-12-13 18:41:09
阅读次数：
235
3.1 决策树的构造3.1.1 信息增益熵(entropy)是信息的期望值。如果待分类的事物可能划分在多个分类中，则符号xi的信息定义为：，p(xi)为该分类的概率。为了计算熵，需计算所有类别所有可能包含的信息期望值：，n是分类的数目。3.1.2 划分数据集分类算法需要：上述的测量信息熵、划分数据集...
分类：
其他好文 时间：
2015-12-06 22:47:31
阅读次数：
316
3.1 决策树的构造优点:计算复杂度不高,输出结果易于理解,对中间值的缺失不敏感,可以处理不相关特征数据.缺点:可能会产生过度匹配问题.适用数据类型:数值型和标称型.一般流程:1.收集数据2.准备数据3.分析数据4.训练算法5.测试算法6.使用算法3.1.1 信息增益创建数据集def createD...
分类：
其他好文 时间：
2015-12-06 20:49:00
阅读次数：
289
