我是靠谱客的博主 迅速烤鸡,最近开发中收集的这篇文章主要介绍机器学习(十二) 决策树(上),觉得挺不错的,现在分享给大家,希望可以做个参考。

概述

决策树(Decision Tree)是在已知各种情况发生概率的 基础上,通过构成决策树来求取净现值的 期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测模型,他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度,使用算法 ID3,  C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。
决策树是一种树形结构,其中每个内部节点表示一个属性上的测试,每个分支代表一个测试输出,每个叶节点代表一种类别。
分类树(决策树)是一种十分常用的分类方法。他是一种监管学习,所谓监管学习就是给定一堆样本,每个样本都有一组属性和一个类别,这些类别是事先确定的,那么通过学习得到一个分类器,这个分类器能够对新出现的对象给出正确的分类。这样的机器学习就被称之为监督学习。

一、什么是决策树

二、信息熵

 

三、使用信息熵寻找最优划分

 

 

转载于:https://www.cnblogs.com/zhangtaotqy/p/9575745.html

最后

以上就是迅速烤鸡为你收集整理的机器学习(十二) 决策树(上)的全部内容,希望文章能够帮你解决机器学习(十二) 决策树(上)所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(74)

评论列表共有 0 条评论

立即
投稿
返回
顶部