搜索 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

来自专栏后台技术底层理解
decision tree
什么是decision tree 决策树是一种基于监督的分类问题，主要将问题的条件构造为树的结构，依据判断划分数据集.decision tree 是一个流程图的树结构，其中，每一个内部结点表示一个属性上的测试
58920发布于 2020-08-04
来自专栏自学笔记
Decision Tree
Decision Tree就是属于边做学习然后按照条件分的一种。如下图，aggregation model就是是补全了： ? ⑤Decision Tree Heuristics in CART 基本流程： ? ⑥Decision Tree in action ? ? ? 貌似和Adaboost很像啊！ ? 最后在总结一下： ? ⑦代码实现Decision Tree 包括创建树，预测，可视化树，这篇东西内容不多，代码讲解多。接下来就是主要创建树的类了： class decision_tree(object): def build_tree(self,data): '''Create decision tree
52530发布于 2019-01-23
来自专栏自学笔记
Decision Tree
Decision Tree就是属于边做学习然后按照条件分的一种。如下图，aggregation model就是是补全了： ? ⑤Decision Tree Heuristics in CART 基本流程： ? ⑥Decision Tree in action ? ? ? 貌似和Adaboost很像啊！ ? 最后在总结一下： ? ⑦代码实现Decision Tree 包括创建树，预测，可视化树，这篇东西内容不多，代码讲解多。接下来就是主要创建树的类了： class decision_tree(object): def build_tree(self,data): '''Create decision tree
80030发布于 2018-09-07
来自专栏常用算法专栏
决策Decision Tree简介
决策树（Decision Tree）是一种常用的监督学习算法，它能够从一组无序、无规则的数据中推理出决策规则，并以树形图的结构展示这些规则。决策树模型既可以是二叉树，也可以是非二叉树。此外，决策树还可以与其他算法结合使用，如随机森林（Random Forest）、梯度提升决策树（Gradient Boosting Decision Tree）等，以提高模型的性能。
40610编辑于 2025-04-05
来自专栏Michael阿明学习之路
决策树（Decision Tree，DT）
决策树（decision tree）是一种基本的分类与回归方法。分类问题中，基于特征对实例进行分类的过程。优点：模型具有可读性，分类速度快。
2.1K20发布于 2020-07-13
来自专栏产品经理的人工智能学习库
决策树 – Decision tree
决策树是一种解决分类问题的算法，想要了解分类问题和回归问题，可以看这里《监督学习的2个任务：回归、分类》。
1.1K11发布于 2019-12-18
来自专栏自学笔记
Machine Learning in Action:Decision Tree
decision tree的算法可以读取数据集合，可以得到数据中所隐含的知识信息，因此决策树可以使用不熟悉的数据集合，并从中提取一系列规则。
52610发布于 2019-03-19
来自专栏生物信息学、python、R、linux
决策树（decision tree）
决策树（decision tree）的概念决策树也是机器学习中的一个重要算法，但是我们可能平时在决策的时候就常常用到，比如以下天气和怎么出行的问题： ?
64920发布于 2020-08-25
来自专栏机器学习实践二三事
GBDT(Gradient Boosting Decision Tree)
本文介绍了GBDT（Gradient Boosting Decision Tree）算法的原理、实现和应用。主要包括了梯度提升决策树的基本思想、实现方法、优化策略和实际应用案例。
3.4K70发布于 2018-01-02
来自专栏hsdoifh biuwedsy
Classification and regression techniques: decision tree and knn
Lectures 12 and 13: Classification and regression techniques: decision tree and k-nearest neighbor -understand -Understand the key steps in building a decision tree. Decision Tree Classification Advantage: Decision Trees are easy to explain. Disadvantages: There is a high probability of overfitting in Decision Tree. -understand the use of entropy as a node impurity measure for decision tree node splitting.
68420发布于 2021-05-19
来自专栏自学笔记
The Optimization of the Adaboost and Gradient Boosted Decision Tree
每一个错误的点乘权值相加求平均，我们想把这一个特征结合到decision tree里面，那么就需要我们在决策树的每一个分支下面加上权值，这样很麻烦。所以，综上原因，Adaboost常用的模型就是decision stump，一层的决策树。 ? ? Gradient Boosted Decision Tree 推导完了Adaboost，我们接着推导Gradient Boosted Decision Tree，其实看名字就知道只不过是error function ③Decision Tree：数据分割得到不同的g(x)进行线性组合。 ? 除了以上的方法，我们还可以把Bagging和Decision Tree结合起来称为random forest，Adaboost和decision tree结合起来就是Adaboost-stump，Gradient
60430发布于 2019-01-23
来自专栏自学笔记
The Optimization of the Adaboost and Gradient Boosted Decision Tree
每一个错误的点乘权值相加求平均，我们想把这一个特征结合到decision tree里面，那么就需要我们在决策树的每一个分支下面加上权值，这样很麻烦。所以，综上原因，Adaboost常用的模型就是decision stump，一层的决策树。 ? ? Gradient Boosted Decision Tree 推导完了Adaboost，我们接着推导Gradient Boosted Decision Tree，其实看名字就知道只不过是error function ③Decision Tree：数据分割得到不同的g(x)进行线性组合。 ? 除了以上的方法，我们还可以把Bagging和Decision Tree结合起来称为random forest，Adaboost和decision tree结合起来就是Adaboost-stump，Gradient
50520发布于 2018-09-11
来自专栏从流域到海域
Decision Tree (决策树算法)
Decision Tree (决策树算法) 与k-nearest neighbors相同，决策树算法及其变种是另一种将输入空间划分成区域，并且每个区域有单独参数的算法。 ? nearest neighbor predictors和decision trees有很多限制。但它们在计算资源受限时是非常有帮助的。我们可以通过思考复杂算法与基准线nearest neighbor predictors和decision trees的相似和不同之处，来获得一些直观的理解。
90520发布于 2019-07-02
来自专栏小七的各种胡思乱想
Tree - Decision Tree with sklearn source code
After talking about Information theory, now let's come to one of its application - Decision Tree! Decision Tree is very straightforward, and is outstanding in its explanatory power. Also because decision tree make hard split at each node. Issue2: Binary Split Decision is default to binary split. Now let's see how sklearn deal with over fitting in their Decision Tree class.
1.1K10发布于 2019-09-10
来自专栏探物及理
强化学习笔记2：Markov decision process(MDP)
image.png 马尔科夫奖励过程（Markov Reward Process，MRP） image.png 解析解 image.png 马尔科夫决策过程（Markov Decision Process
1.1K20发布于 2020-08-31
来自专栏机器学习与统计学
决策树（Decision Tree）C4.5算法
C4.5，是机器学习算法中的另一个分类决策树算法，它是决策树(决策树也就是做决策的节点间的组织方式像一棵树，其实是一个倒树)核心算法，也是上节所介绍的ID3的改进算法，所以基本上了解了一半决策树构造方法就能构造它。
2K50发布于 2019-04-08
来自专栏数据猿
深入机器学习系列之：Decision Tree
Decision Tree：决策树 ? 决策树理论 1 什么是决策树决策树，顾名思义，是一种树，一种依托于策略抉择而建立起来的树。
71940发布于 2018-12-27
来自专栏机器学习与统计学
决策树（Decision Tree）CART算法
Classification And Regression Tree，即分类回归树算法，简称CART算法，它是决策树的一种实现，通常决策树主要有三种实现，分别是ID3算法，CART算法和C4.5算法。
3.8K50发布于 2019-04-08
来自专栏从流域到海域
从Markov Process到Markov Decision Process
：模拟仿真(Simulation) 解析求解(Analytic solve, requires us a step, a finite set of states) 动态规划(DP) Markov Decision
85220发布于 2019-10-22
来自专栏杨熹的专栏
Machine Learning Notes-Decision Trees-Udacity
什么是 Decision Tree？ Decision Tree 可以把 Input 映射到离散的 Labels。怎样构建 Decision Tree？先要找到最佳的 Attribute，然后提出合适的问题，可以把数据尽量地分成两份。 ? ---- 用 sklearn 来 create 和 train Decision Trees。 Decision Tree Boundary 很独特，像现代艺术，还有一些小岛。但是有些 Overfitting， ? 那么熵是如何影响 Decision Tree 的呢？ Information Gain： ?
88360发布于 2018-04-02

第 2 页第 3 页第 4 页第 5 页第 6 页第 7 页第 8 页第 9 页第 10 页第 11 页

点击加载更多

decision tree

Decision Tree

Decision Tree

决策Decision Tree简介

决策树（Decision Tree，DT）

决策树 – Decision tree

Machine Learning in Action:Decision Tree

决策树（decision tree）

GBDT(Gradient Boosting Decision Tree)

Classification and regression techniques: decision tree and knn

The Optimization of the Adaboost and Gradient Boosted Decision Tree

The Optimization of the Adaboost and Gradient Boosted Decision Tree

Decision Tree (决策树算法)

Tree - Decision Tree with sklearn source code

强化学习笔记2：Markov decision process(MDP)

决策树（Decision Tree）C4.5算法

深入机器学习系列之：Decision Tree

决策树（Decision Tree）CART算法

从Markov Process到Markov Decision Process

Machine Learning Notes-Decision Trees-Udacity

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐