腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
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
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
自学笔记
自己学习人工智能的一些笔记
专栏成员
举报
79
文章
57184
阅读量
17
订阅数
订阅专栏
申请加入专栏
全部文章(79)
其他(26)
编程算法(19)
神经网络(16)
深度学习(9)
机器学习(8)
人工智能(5)
数据结构(5)
数据库(4)
二叉树(4)
java(3)
数据处理(3)
sql(2)
linux(2)
对象存储(1)
python(1)
android(1)
云数据库 SQL Server(1)
git(1)
github(1)
maven(1)
spring(1)
访问管理(1)
大数据处理套件 TBDS(1)
渲染(1)
游戏(1)
开源(1)
缓存(1)
卷积神经网络(1)
监督学习(1)
推荐系统(1)
决策树(1)
线性回归(1)
aop(1)
kernel(1)
gradle(1)
数据分析(1)
特征工程(1)
function(1)
optimization(1)
set(1)
svm(1)
time(1)
搜索文章
搜索
搜索
关闭
Machine Learning in Action:Decision Tree
决策树
机器学习
神经网络
深度学习
人工智能
决策树这个算法比较接地气,就算你根本不懂机器学习算法也可以很好的理解决策树,决策树之前的算法就已经解释过了。主要思想就算通过条件进行分类即可。决策树主要的优点就在于数据形式非常好理解。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。优点很明显,计算复杂度不高,输出结果也很容易理解,就算是中间有缺失值也影响不大,特征不相关也可以处理。由于决策树是按照条件划分,如果划分的条件过多了,可能导致overfitting。 首先要做的就是要找到数据的决定性特征是什么,把它作为划分的依据。当划分完成,如果当前的叶子都是同一个类别,那么当前叶子的划分就完成了。
西红柿炒鸡蛋
2019-03-19
383
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
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