http://www.cnblogs.com/fengfenggirl/p/classsify_decision_tree.html 决策树是一种基本的分类和回归方法。优点是具有可读性，分类速度快，学习时，利用训练数据，根据损失函数最小化得原则建立决策树模型。 缺点是容易过拟合，对训练数据的分类能力
分类：
其他好文 时间：
2016-03-08 21:16:13
阅读次数：
250
决策树是一种树状结构，它的每一个叶节点对应一个分类，非叶节点对应在某个属性上的划分，根据样本在该属性上的不同取值将其划分为若干子集。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进行划分。 ID3算法 1、对当前样本集合计算所有属性的信息增益。 2、选择信息增益最大的属性作为测试属性，把测试
分类：
编程语言 时间：
2016-03-07 23:53:17
阅读次数：
170
二. 最小二乘法 我们以最简单的一元线性模型来解释最小二乘法。什么是一元线性模型呢？ 监督学习中，如果预测的变量是离散的，我们称其为分类（如决策树，支持向量机 等），如果预测的变量是连续的，我们称其为回归。回归分析中，如果只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称
分类：
其他好文 时间：
2016-03-03 13:02:36
阅读次数：
137
这里使用ID3算法构造决策树，引用http://my.oschina.net/dfsj66011/blog/343647的内容。 outlook temperature humidity windy play sunny hot high false no sunny hot high true n
分类：
其他好文 时间：
2016-03-01 14:31:16
阅读次数：
167
作者：张洋 算法杂货铺——分类算法之决策树(Decision tree) 2010-09-19 16:30 by T2噬菌体, 44346 阅读, 29 评论, 收藏, 编辑 3.1、摘要 在前面两篇文章中，分别介绍和讨论了朴素贝叶斯分类与贝叶斯网络两种分类算法。这两种算法都以贝叶斯定理为基础，可以
分类：
编程语言 时间：
2016-02-24 20:51:43
阅读次数：
188
感谢：https://github.com/ty4z2008/Qix/blob/master/dl.md 《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost 到随机森林、Dee
分类：
其他好文 时间：
2016-02-16 16:52:41
阅读次数：
1845
比较排序：各元素的次序依赖于它们之间的比较{插入排序O(n**2) 归并排序O(nlgn) 堆排序O(nlgn)快速排序O(n**2)平均O(nlgn)} 本章主要介绍几个线性时间排序：（运算排序非比较排序）计数排序O(k+n)基数排序O() 第一节：用决策树分析比较排序的下界 决策树：倒数第二层满...
分类：
编程语言 时间：
2016-02-05 18:30:58
阅读次数：
229
贝叶斯学习方法中实用性很高的一种为朴素贝叶斯学习期，常被称为朴素贝叶斯分类器。在某些领域中与神经网络和决策树学习相当。虽然朴素贝叶斯分类器忽略单词间的依赖关系，即假设所有单词是条件独立的，但朴素贝叶斯分类在实际应用中有很出色的表现。
朴素贝叶斯文本分类算法伪代码：
朴素贝叶斯文本分类算法流程：
通过计算训练集中每个类别的概率与不同类别下每个单词的概率，然后利用朴素贝叶斯公式计...
分类：
其他好文 时间：
2016-01-17 23:20:01
阅读次数：
478
1决策树（Decision Trees）的优缺点决策树的优点：一、 决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义。二、 对于决策树，数据的准备往往是简单或者是不必要的.其他的技术往往要求先把数据一般化，比如去掉多余的或者空白的属性。三、 能够同时处理数据型和常规...
分类：
编程语言 时间：
2016-01-13 23:34:37
阅读次数：
172
摘要：说到分类树，第一个想到的算法肯定是C4.5，作为数据挖掘的十大算法之一，C4.5在ID3的基础上，从分裂的依据、数据的处理以及剪枝三个方面进行了优化，实现更加精准的预测和分类，本文将主要才能够上述三个方面对C4.5进行阐述，并给出C4.5的源代码。
分类：
其他好文 时间：
2016-01-12 22:54:32
阅读次数：
342
