1回答
我目前正在制作一个决策树分类器，使用基尼系数和信息增益，并根据每次增益最大的最佳属性来拆分树。但是，它每次都会粘贴相同的属性，并简单地调整其question的值。这导致了非常低的准确率，通常在30%左右，因为它只考虑了第一个属性。找到最佳拆分 # Used to find the best split for data among all attributes
浏览 11提问于2020-12-07得票数 0
回答已采纳
在python中实现的adaboost算法是如何为每个特性分配特性重要性的？我正在使用它进行特征选择，我的模型在基于feature_importance_值的特征选择方面表现得更好。
浏览 4提问于2016-04-16得票数 4
回答已采纳
2回答
我正在尝试理解ML中决策树分类器背后的直觉。我知道决策树中每个节点的目标是进一步划分可能标签的当前空间，以便根据该节点上给定问题的答案来消除尽可能多的候选标签。但是，这与基于最小化分区“熵”的属性选择分区有什么关系？其中“熵”的定义如下： q_i's: proporti
浏览 5提问于2016-03-20得票数 1
2回答
弱分类器
、、、
我正在尝试实现一个使用AdaBoost算法的应用程序。我知道AdaBoost使用一组弱分类器，但我不知道这些弱分类器是什么。你能用一个例子给我解释一下吗?如果我必须创建自己的弱分类器，或者我需要使用某种算法，你能告诉我吗？
浏览 0提问于2012-08-24得票数 15
回答已采纳
首先，我是ML技术的新手。最近，我不得不编写一个基于scikit-learn的决策树分类器来对真实的数据集进行训练。有人建议我必须运行mu模型几千次，并在图表上绘制精确性图。问题是:我手动运行了20-30次，每次都给出了相同的精度(无论是gini还是entropy )。这样做不对吗？每一次都会有轻微的变化吗？
浏览 0提问于2018-08-24得票数 0
回答已采纳
2回答
我正在使用3个不同的分类器执行分类问题，即决策树，朴素贝叶斯和IBK。我有两个数据集，它们在布局和属性名称上是相同的，但每个数据集中的值是不同的。ViolentCrimesPerPop Rate
我希望我的决策树使用12个<e
浏览 3提问于2015-12-30得票数 2
1回答
我编写了一个程序，在ID3算法的基础上，使用信息增益函数(Shanon熵)训练决策树，用于特征选择(split)。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)：
y：y1
浏览 0提问于2016-03-16得票数 1
回答已采纳
4回答
特征重要性语境下的决策树解释
、、、、
我试图了解如何充分理解决策树分类模型的决策过程。我要看的两个主要方面是树的图形表示和特性重要性列表。我不明白的是特性的重要性是如何在树的上下文中确定的。例如，下面是我的特性重要性列表：FeatureJ (0.039006)FeatureL (0.008136)然而，当我看到树的
浏览 0提问于2017-02-02得票数 13
回答已采纳
2回答
查找名义属性的所有二进制拆分
、、、、
问题我坚持的一个步骤是找到所有可能的方法来计算名义属性的二进制拆分。例如，对于一个可能值为a、b、c、d的属性，我正在寻找一种将这些数组拆分为两个数组的方法，以便我们获得：
浏览 6提问于2016-10-20得票数 2
回答已采纳
我很好奇sklearn如何处理sklearn.tree.DecisionTreeClassifier中的连续变量？我尝试使用一些连续变量，而不需要对DecisionTreeClassifier进行预处理，但是它的精度是可以接受的。
下面是一种将连续变量转化为范畴变量的方法，但不能获得相同的精度。
浏览 2提问于2019-12-08得票数 1
回答已采纳
假设我在一个数据集中有3个分类属性和2个连续属性。如何使用这5个变量构建决策树？编辑：
对于分类变量，可以很容易地说，我们只将它们除以{yes/no}并计算出gini的总增益，但是我的怀疑主要是关于连续属性的。假设我有一个像{1,2,3,4,5}这样的连续属性的值。我的分裂点选择是什么？它们是在每个数据点(如{<1,>=1......&am
浏览 0提问于2018-06-04得票数 24
回答已采纳
1回答
我正在实现一个决策树。假设“种族”特征具有以下可能的价值：‘亚洲-太平洋-岛民’、‘Amer-印第安-爱斯基摩’、'White‘、'Other’、'Black‘注意，这些值是分组在一起的-“排序”。假设熵差告诉我，以下是最佳的
浏览 3提问于2016-04-08得票数 0
回答已采纳
我知道特征缩放是建立人工神经网络模型的重要预处理步骤.
但是梯度升压机呢，比如LightGBM、XGBoost或CatBoost呢？它们的性能是否从功能扩展中获益？如果是，为什么和如何？
浏览 0提问于2020-07-07得票数 4
回答已采纳
我有一个带有序数features.Each特性的数据集，可能有6到7个级别。基于我对R的搜索，如果你有序数数据，rpart对序数和标称的处理方式不同。://stats.stackexchange.com/questions/94502/decision-tree-splitting-factor-variables
但是现在我正在用Python实现决策树Python似乎不能很好地处理分类数据，我不得不使用一种热编码。在这种情况下，级别1到级别2到level
浏览 0提问于2019-09-05得票数 0
也许还有一个更普遍的问题：
既然C5.0树通常比CART有更好的性能，为什么人们仍然使用CART来构建随机森林(或者人们已经在这样做了)？
浏览 0提问于2020-02-15得票数 1
假设我有100个独立的特征- 90是二进制(例如0/1)，10是连续变量(例如年龄、身高、体重等)。我用这100个特征来预测一个有足够数量样本的分类器问题。当我设置一个XGBClassifier函数并对其进行拟合时，从gain的角度来看，最重要的10个特性总是10个连续变量。目前，我对cover或frequency不感兴趣。10个连续变量在.8列表中占用空间的.9 (和(增益)= 1)。
我试着调gamma，reg_alpha，reg_lambda，max_d
浏览 1提问于2018-07-30得票数 3
回答已采纳
2回答
我是新领域的人工智能和阅读有关决策树。我指的是AIMA的书，这几乎是标准的介绍人工智能书推荐。在关于决策树的章节中，他们在书中讨论了一个案例，在第一个属性分裂之后，没有剩下的属性，但正负两个例子仍然没有分开，这意味着这些例子具有完全相同的描述.他们建议的解决方案是“返回剩余示例的多个分类”。返回一组示例的“多元分类”是什么意思？
浏览 3提问于2013-03-26得票数 10
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
腾讯会议
云直播活动推荐
腾讯云开发者
