我试图使用scikit learn的模块tree创建一个决策树模型。一旦我生成了模型，我就可视化了树和做出决策所依据的标准。但是，我希望手动修改某些条件中的阈值，以查看相同条件下的输出如何变化。或者任何库，一旦它从数据集中学习到所需的阈值，就会将决策树转换为一堆if-else语句，反之亦然？ 我知道模块选择的阈值</em
浏览 23提问于2019-12-21得票数 2
回答已采纳
1回答
我使用opencv决策树来创建分类器。我想知道是否可以重新训练这个模型(可以在.yml文件中保存和加载)，添加新的数据。我使用的Opencv版本是2.4。我在想这样的事情dtree.load("existingTree.yml");newValues只包含新的示例，newResponses包含该值的类。这将产生一
浏览 1提问于2016-10-09得票数 0
回答已采纳
1回答
我有一个数据集，我使用Sklearn决策树回归机器学习包为预测目的建立一个模型。随后，我试图利用scipy.optimize包来解决基于给定约束的最小解。但是，我不确定是否可以将决策树模型作为优化问题的目标函数。在这种情况下，应该采取什么办法呢？我曾经尝试过线性回归模型，比如LarsCV，它们工作得很好。但是在线性回归模型中，基本上可以从模型中提取系数和截获点。
浏览 1提问于2019-02-22得票数 7
2回答
我有一个类似下面的条件，它被保存在数据库中。每种情况都有一个结果。我在组合框中显示可用的结果。当用户选择一个结果时，我必须显示该结果的决策树。我需要首先单独提取所有条件，然后使用AND，OR和大括号，我必须在C#中像决策树一样显示它们。我已经计划使用Accord.Net了。有没有更简单的，因为Accord.Net有更多我不需要的功能。提前感谢你的帮助。
浏览 2提问于2014-09-11得票数 1
0回答
如何解释聚类结果？
、、、
假设我有一个高维数据集，我假设它可以通过某种聚类算法很好地分离。然后我运行这个算法，最后得到我的集群。有没有什么方法(最好不是“老生常谈”或某种启发式的)来解释“在使集群A的成员(例如)成为集群A的一部分时，哪些特性和阈值是重要的？”
我曾尝试查看集群质心，但对于高维数据集，这会变得单调乏味。我还尝试将决策树适合于我的集群，然后查看该树，以确定给定</em
浏览 8提问于2018-07-16得票数 1
回答已采纳
1回答
我可能有个奇怪的问题。如果您正在处理多类分类问题，您是否总是已经确定了目标输出/标签？早些时候，我计算了一些物体(如房屋)与城市中心点之间的</
浏览 0提问于2019-11-28得票数 0
回答已采纳
AdaBoost算法是：我的问题是如何训练分类器G_m(x)，使用权值w_i训练分类器意味着什么？它是通过\{w_i,y_i\}_{i=1}^{N}来匹配分类器的吗？
浏览 0提问于2021-10-12得票数 0
1回答
我有一个在weka中运行良好的数据集。它有很多用'?‘表示的缺失值。使用决策树，我能够处理缺少的值。
然而，在sci-kit学习中，我看到估计器不能用于缺失值的数据。有没有可以替代的库来支持这一点？否则，有没有办法在sci-kit学习中绕过这个问题呢？
浏览 4提问于2015-11-25得票数 0
1回答
如何手动选择决策树的特征
、、、
我需要能够更改用于构建决策树的功能(具有机器学习的含义)。给定Iris数据集的示例，我希望能够选择Sepallength作为根节点中使用的特征，选择Petallength作为第一级节点中使用的特征，依此类推。我想说清楚，我的目标不是改变最小样本分裂和决策树的随机状态。而是选择特征-被分类的元素的特征-并将它们放在决策树<
浏览 0提问于2019-10-04得票数 0
1回答
所有类型的ML方法都能从套袋中受益吗？决策树分类似乎永远是套袋的例子，其他分类器或回归呢？我正在寻找一些数学上更严格的东西，例如，对于每一个模型(单个学习者)，我们可以将它的总估计误差分解为：
如果我们能够粗略估计Variance和所有单个学习者的预测之间的相关性，那么我们就可
浏览 0提问于2019-01-14得票数 2
当我阅读关于决策树的scikit--学习用户手册时，他们提到我不明白C4.5算法在哪里计算规则集(我甚至不知道规则集是什么意思)。它与购物车本质上是一样的，只不过它使用吉尼指数而不是交叉熵。请有人详细解释哪些规则集是什么以及它
浏览 0提问于2017-09-23得票数 6
2回答
推理引擎与决策树
、、、
我正在使用一个带有推理引擎(正向链接)的专家系统，我想解释一下为什么它比使用非常简单的概念的决策树更好。(在一种特殊情况下)对于客户关系管理，我使用了许多不同的业务规则(归纳对话规则)来帮助客户对一个产品做出决定。注意:规则添加频繁(每天2条)。
客户在得到答案之前回答了一系列问题。业务规则与对话规则的混合使得生成的调查问卷看起来像是由最优决策
浏览 1提问于2011-06-11得票数 8
回答已采纳
1回答
学习区间的并集
、、、
假设我有N个一维点xi和它们的标签yi = 1/0。我想学习一组k区间，这样，当标签1被赋予这些区间中的所有点时，误差就会最小化。即，如果数据集是：2: 04: 16: 18: 110: 0对于k=1，最佳间隔将是[3, 8]。随着k的增加，情况会变得更加复杂。
在scikit-learn中有没有一些通用的算法来做这件事，或者对决策树算法做了一些<em
浏览 1提问于2015-05-11得票数 1
1回答
一旦我训练了一棵决策树，我就对它进行了分类，我意识到有些数据实例不能被分类：树上没有路径来对实例进行分类。一个示例(这是一个示例，但我遇到了一个更大、更复杂的数据集的相同问题)：
f2 / b1 \b1 b2 b3 /b3\ y1 y2 f1 /\ a2 a3 /\ y3 y1
实例("a1"
浏览 0提问于2016-03-16得票数 1
回答已采纳
2回答
集与树中连续变量的联并
、、、、
有人能告诉我在sklearn (Python)中的集合(比如随机森林，梯度增强，Adaboost)和树(比如决策树)是如何处理连续变量的吗？在建造树木时，它们是否被视为每一个单独的价值？或者是自动绑定的？如果它们被绑定-遵循的逻辑是什么。如果它们没有被绑定，我肯定我遗漏了什么。应该有一些智能的二进制(在内置？)根据类分布将变量值放入回收箱(至少在二进制分类的情况下)。深度:当我在weka中加载我的arff (在一个高
浏览 2提问于2014-08-13得票数 5
回答已采纳
4回答
每个决策树的构建涉及以下步骤：
此数据集中的某些行是随机选择的，以便生成新的数据集。这个新的数据集将在树的生长过程中逐渐分裂。使用这个新的数据集来生长决策树:每个节点的创建需要对这
浏览 10提问于2013-03-01得票数 0
回答已采纳
1回答
我正在尝试为scikit learn准备一个数据集，计划构建pandas数据框架，将其提供给决策树分类器。我需要根据单个价值做出决策，而不是综合决策-因此A公司适用于中小企业，A公司适用于中端市场，而不是针对中小企业和中端市场的客户A的“分组”。
有没有关于如何处理这个问题的指导？我是否需要为给定公司的每个变量生成行，以便输入到学习例程中？这似乎
浏览 1提问于2016-04-20得票数 0
由于这些库可以将CPU数组转换为GPU张量，您能并行(从而加速)决策树的计算吗？我正在考虑为一个学校项目做一个用Tensorflow/Py手电筒编写的决策树类，但我想确定这是有意义的。
浏览 0提问于2019-09-17得票数 1
回答已采纳
1回答
决策树分裂
、、
我有以下数据集，用于预测团队是否赢了一场比赛，其中每一行对应于一个训练示例，每一列对应于特定的特性。在确定最终回归值时，我希望使决策树使用基于每一列中的每个特性的分割： [['0' '0' '1' '-1' '8' '-9']
['-15' '0' '0' '1
浏览 0提问于2018-04-17得票数 0
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
