# 介绍 决策树是监督学习的分类算法，关键在于决策树树的构造。构造决策树的算法有：ID3、C4.5、CART。 ID3算法的构造决策树的过程如下： # 选择特征 因为有好几个特征，依据哪一个特征划分，如，形如['四条腿','会叫','狗']，是依据有几条腿的特征，还是会不会叫的特征，所以要有评判标准... ...
分类：
其他好文 时间：
2020-02-03 22:44:21
阅读次数：
98
决策树在分类、预测、规则提取等领域有着广泛的应用。决策树是一种树状结果，它的每一个叶节点对应一个分类。构造决策树的核心问题是：在每一步如何选择适当的属性对样本做拆分。对于分类问题，从已知类标记的训练样本中学习并构造出决策树是一个自上而下，分而治之的过程。常见的决策树算法如下：ID3算法C4.5算法C ...
分类：
其他好文 时间：
2020-01-30 17:31:55
阅读次数：
118
CART算法 原理 CART全称为Classification and Regression Tree。 回归树 相比ID3，CART遍历所有的特征和特征值，然后使用二元切分法划分数据子集，也就是每个节点都只会分裂2个分支。接着计算数据子集的总方差来度量数据子集的混乱程度，总方差越小数据子集越纯，最 ...
分类：
其他好文 时间：
2020-01-07 18:03:09
阅读次数：
183
决策树是一个树形结构，类似下面这样： 上图除了根节点外，有三个叶子节点和一个非叶子节点。 在解决分类问题的决策树中，叶子节点就表示所有的分类，比如这里的分类就有3种：无聊时阅读的邮件、需及时处理的邮件、无需阅读的邮件。 使用决策树来分类某个样本数据，就是利用根节点选取的特征，将当前输入样本划分到根节 ...
分类：
其他好文 时间：
2020-01-07 13:33:18
阅读次数：
89
决策树算法 如何能够基于既有的数据来进行分类和回归？决策树是解决这类问题的机器学习模型。 解决思路是：通过样本特征的三个数字特征：1）满足特征值的样本数量；2）1）样本的分类各自数量有多该少；3）总的样本数量，来作为input参数，通过构建/选择的模型就计算出来该特征的指标，对于ID3而是信息增益，... ...
分类：
其他好文 时间：
2019-12-26 21:11:21
阅读次数：
98
认识 我觉得决策树+ 随机森林 应该是 ML 中最为重要的算法之一了吧, 反正我是很喜欢用的. 算法难度低, 可解释性很强, 能可视化 能处理非线性, 可扩展为随机森林(集成学习) 建立决策树的判别依据有很多, 比较主流的有经典的 ID3 算法(熵), C4.5 , 基尼系数等. 我是这种基于熵的理 ...
分类：
其他好文 时间：
2019-12-09 01:00:08
阅读次数：
117
1、Hive是一种建立在Hadoop文件系统上的数据仓库架构，并对存储在HDFS中的数据进行分析和管理；（也就是说对存储在HDFS中的数据进行分析和管理，我们不想使用手工，我们建立一个工具把，那么这个工具就可以是hive） 2、 hive建表语法中的分隔符设定ROW FORMAT DELIMITED ...
分类：
其他好文 时间：
2019-12-04 10:35:57
阅读次数：
88
OSPF特点：链路状态，无环，收敛快，扩展性好，支持认证如下图：OSPFRouterid3.3.3.3(对所有协议生效）OSPFOspf1(进程号1）Ospf1Router-id3.3.3.3（只对OSPF协议生效）Area0(区域0-65355）Network12.1.1.10.0.0.0宣告自身IP地址Displayiprouting-tableprotocolospf查看OSPF路由Rese
分类：
其他好文 时间：
2019-11-21 21:28:13
阅读次数：
873
[toc] 决策树中涉及到了信息熵、信息增益、信息增益率、基尼系数等公式，作为相应算法(ID3、C4.5、Cart树）的衡量标准，今天就来稍微推导一下这些公式~ 信息熵的最值求解 已知集合D的信息熵的定义为 $$\operatorname{Ent}(D)= \sum_{k=1}^{ | \mathc ...
分类：
其他好文 时间：
2019-11-19 15:48:43
阅读次数：
69
目录： 1.mp3 文件简介 2.ID3 tag id3 v2 3.音频帧 要注意的地方 4.参考 一、MP3文件简介 MP3（mpeg-1 Ⅲ 或者 mpeg-2 Ⅲ）是一种将数字音频存储在设备上的文件格式。 很简单的结构示意： [ID3 v2] frame_1 frame_2... frame_ ...
分类：
其他好文 时间：
2019-11-18 16:55:08
阅读次数：
143
