根据命令查询分离原则，以及数据思维和DDD与Clojure演示文稿，人们应该将副作用(修改世界)与计算和决策分开，以便更容易理解和测试这两个部分。一方面，从外部系统(如数据库、扩展服务API等)请求数据不是参照透明，因此不应该与纯粹的计算和决策代码放在一起。另一方面，它是有问题的，或者可能不可能将它们与计算部分分开，并将其作为一个参数传递给我们，因为我们可能事先不知道我们可能需要请求哪些数据。
浏览 0提问于2013-11-02得票数 11
1回答
如何为决策树的稀疏特性预处理数据？它提到这一点：
为什么选择决策树？不同的型号有不同的优点。决策树模型非常擅长处理具有数值特征的表格数据，或少于数百个类别的分类特征。与线性模型不同，决策树能够捕捉特征与目标之间的非线性交互.一个重要的注意事项是，基于树的模型的设计并不是为了处理非常稀疏的特性。当处理稀疏输入数据(例如大维分类特征)时，我们可以对稀疏特征进行预处理以生成数
浏览 0提问于2019-03-07得票数 2
1回答
数据集的决策树和神经网络
、、、、
我正在研究对数据集同时使用决策树和神经网络的优缺点。我一直在互联网上寻找答案，但我似乎找到的所有答案都是从大的角度来看每个问题的利弊。基本上，我试图弄清楚为什么决策树和神经网络对特定的数据集是有好处的。我假设无论数据集是大是小，离群值和丢失的数据都会对使用决策树或神经网络的准确性或不准确性产生影响。提前感谢
浏览 0提问于2018-04-10得票数 0
在我的用例中，输入数据可以是大的和多样的。在单独调用规则引擎作为输入时，还有一些输出可能被传回。如上所述，DRG级别上的每个决策、输入数据和业务知识模型都与决策逻辑级别上使用的变量相关联。决策
浏览 5提问于2021-07-20得票数 0
回答已采纳
我试图理解这个设计决策背后的思维过程。返回类型的Dictionary.Add也是无效的。如果两种数据结构都有相同的行为，那就太好了。或者是否有任何用例使当前的实现成为更好的选择？
浏览 1提问于2021-07-29得票数 0
回答已采纳
2回答
我正在研究一个决策树模型，并试图决定如何最好地处理分类特性。我的数据集中的特征通常是基数高的，我发现序号标记比虚拟编码更好。我想知道我能否更进一步，如果，我可以根据它们与目标变量的相关性来分配随机数字代码，而不是指定随机数字代码。
例如，让我们假设我的一个特性是sales_rep_name，我正试图预测是否有大或小的销售。我可以按大销售额的比例对销售代表进行排名，并使用该排名作为序号。这样，当决策树分裂时，它在树的一边保持较低的销售代表，而在树的另一边保持较高的销售代表。这种逻辑有缺陷吗
浏览 0提问于2021-07-20得票数 2
4回答
思维导图数据从一个核心主题开始，并分成许多类似于树的分支。然而，节点可能在不同的分支中具有彼此的关系。下面是一个没有内部关系的示例我需要社区来帮助我构建内容，并且关系可能会发生变化
浏览 17提问于2012-03-08得票数 3
1回答
我们使用带有定制的Spring data AuditAware在我们的表中保存审计数据。最近，我们正在构建一个新的微服务，我们想要探索其他替代解决方案。我们发现沙弗斯是一个潜在的合适人选。与spring boot的集成是无缝的，审计也做得很好。但一个问题是在jv_snapshot表中，pk序列乘以100。我已经看过源代码了，这是特意为这个表添加的。有没有特别的理由这样做呢？我担心的是，我们预计会有相当大的数据量，如果id列达到最大的大整数值怎么办。请任何人能让我知道这背后是什么思维过程？
浏览 9提问于2020-11-15得票数 0
2回答
我正在上机器学习课，我们现在用的是监督学习，从决策树开始。我使用的UCI信用卡数据集(是否某些人会拖欠他们的付款，因为过去的历史)。基于这个图和一些谷歌搜索，我相信正确的解释方法是这个数据集有很高的偏差，没有任何变化，没有真正的学习。或者，换句话说，对于这个数据集，决策树不是一个很好的算法，因为似乎并没有真正的权衡。对于最大深度，我得到了一个验证曲线，如下所示：根据我在这里看到的，在较小的集合上有相当大的偏差，并且随着深度的增加而有
浏览 0提问于2019-09-18得票数 4
回答已采纳
6回答
如何在c#中实现决策矩阵
、、、、
我需要基于一组相当大的8个相互依赖的条件来做出决定。Decision11 | 1 | 0 | 1 | 1 | 1 | - | 1 | 1所以我寻找实现这种逻辑
浏览 3提问于2013-06-03得票数 17
回答已采纳
1回答
我正在处理一个相当大的数据集(770K记录，2K属性，几乎所有这些属性都是二项式的，但都是整数形式的)，1.为什么决策树(例如深度为10的决策树)需要这么多时间来训练？实际上，在训练树之前，我平衡了数据(因为它是不平衡的)到原始大小的40% (~320K记录)，但这仍然需要很多时间，有没有其他版本的决策树可以产生相同的性能和更少的时间？2.如何优化决策树的参数？我应该在
浏览 1提问于2012-12-30得票数 0
2回答
我的父母年纪大了，摔倒是件大事。我很擅长编码之类的。所以我想我应该使用一些秋季数据集并将它们插入到机器学习系统中。你可以从这句话中看出，我是机器学习的新手。我应该怎么开始得到我的第一个模型？文献指出，与KNN...do相比，我尝试决策树模型更好--我拿起TensorFlow，开始用数据集绘制模型，或者你怎么开始呢？谢谢，我为我的问题道歉。
浏览 0提问于2019-08-08得票数 0
我试图构建一个基于日志文件的决策树。有些特征集很大，包含数千个唯一值。我试图在Java中使用管道和数据框架的新成语。我为每个分类特性列构建了一个带有几个StringIndexer管道阶段的管道。在VectorAssembler阶段之后，得到的数据框架对我来说是完美的。StringIndexer->VectorAssembler->DecisionTreeClassifier
DecisionTree要求maxBins (= 32)至少与每个分类特性中的值数目一样大我
浏览 4提问于2016-08-04得票数 4
回答已采纳
1回答
下面的TSQL代码片段非常简单，我需要执行它几次(大型数据库)，所以我真的想以任何可能的方式提高它的性能：INSERT INTO
DESTINATION_TABLE
浏览 0提问于2012-08-21得票数 0
回答已采纳
1回答
我刚开始与Adaboost一起学习决策树，并在OpenCV上试用，并有一些问题。我知道，当我使用Adaboost与决策树，我不断地拟合决策树，以重新加权版本的培训数据。当使用Adaboost训练决策树时，我可以使用引导吗？也就是说，我们选择数据集的子集，并在每个子集上训练一棵树，然后将分类器输入Adaboost。我是否对决策桩使用同样的技术？或者我可以创建与</e
浏览 8提问于2016-08-08得票数 1
回答已采纳
1回答
有没有办法强制Oracle也“看到”一个表和相关的索引比它们实际的大？换句话说，有没有一种方法可以“伪造”数据库统计数据，这样基于成本的优化器就会在几乎为空的数据库上做出决策，而这些决策更接近于在真正的大型生产数据库中做出的决策？我们的想法是能够在数据库设计过程的早期就用各种索引/查询/(反)规范化策略来试验(vis-a-vis执行计划)，而不是浪费时间编写代码来填充代表性的测试数据(因为
浏览 2提问于2011-08-19得票数 8
回答已采纳
1回答
我有一个决策树。我给这个决策树提供了一些输入值。然后，决策树返回一个值。int i=0;
{ {虽然我可以解析数据并从它创建这样的if-then，但我不能在我的软件中使用这么大
浏览 2提问于2013-05-24得票数 0
回答已采纳
我有一大串较小的子列表，如：我正在尝试创建一个显示“函数”，它循环遍历整个列表并显示如下： No.2: ID="001", Name="Bob", Grade=99prolog中的思考已经够困难了，但我正在与递归思维作斗争
浏览 5提问于2014-04-13得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
云直播
腾讯会议活动推荐
腾讯云开发者
