三更两点
机器学习原理解读:决策树
关注作者
前往小程序,Get
更优
阅读体验!
立即前往
腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
三更两点
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
社区首页
>
专栏
>
机器学习原理解读:决策树
机器学习原理解读:决策树
三更两点
关注
发布于 2021-08-10 11:38:22
257
0
发布于 2021-08-10 11:38:22
举报
文章被收录于专栏:
深度学习|机器学习|歌声合成|语音合成
深度学习|机器学习|歌声合成|语音合成
文章目录
决策树 decision tree
原理
极大似然
决策树修剪
剪枝类型
实例
总结
决策树 decision tree
属于监督学习算法,可以用于分类和回归问题
适合离散数据的分析:连续转化为离散数据
发展历程:ID3(离散变量的分类问题)->C4.5(离散变量和连续变量的分类问题)->CART(可以处理离散变量和连续变量的分类回归问题)
ID3和C4.5可以多分叉,Cart只能是二叉树;决策树在分裂时,判段标准不同.ID3以信息增益为标准;c4.5亿信息增益率为标准;cart亿基尼不纯度增益为标准.
ID3优化算法不同:ID3没有剪枝策略,叶子节点同属于一个类别或者所有特征都使用过后停止生长;C4.5使用剪枝策略分裂后增益小于给定的阈值或者叶子上样本数量小于某一个阈值或者节点数量达到限定值或者深度达到限定值,决策树停止生长.cart使用后剪枝策略.
原理
熵:对某个离散变量不确定性大小的一种度量.
本文参与
腾讯云自媒体分享计划
,分享自作者个人站点/博客。
原始发表:2021-08-09 ,如有侵权请联系
cloudcommunity@tencent.com
删除
前往查看
决策树
机器学习
神经网络
深度学习
人工智能
本文分享自
作者个人站点/博客
前往查看
如有侵权,请联系
cloudcommunity@tencent.com
删除。
本文参与
腾讯云自媒体分享计划
,欢迎热爱写作的你一起参与!
决策树
机器学习
神经网络
深度学习
人工智能
评论
登录
后参与评论
0 条评论
热度
最新
推荐阅读
LV.
关注
文章
0
获赞
0
目录
文章目录
决策树 decision tree
原理
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档
0
0
0
推荐