【决策树】一文看懂图解决策树原理：信息熵、条件熵与信息增益
2024-06-13
607
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
【决策树】一文看懂图解决策树原理：信息熵、条件熵与信息增益
目录
相关文章
|
5月前
|
机器学习/深度学习
算法
梯度提升树GBDT系列算法
在Boosting集成算法当中，我们逐一建立多个弱评估器（基本是决策树），并且下一个弱评估器的建立方式依赖于上一个弱评估器的评估结果，最终综合多个弱评估器的结果进行输出。
89
2
2
|
5月前
|
机器学习/深度学习
算法
前端开发
决策树与随机森林算法在分类问题中的应用
本文探讨了决策树和随机森林两种监督学习算法，它们在分类任务中表现出强大的解释性和预测能力。决策树通过特征测试进行分类，构建涉及特征选择、树生成和剪枝。随机森林是集成学习方法，通过构建多棵决策树并汇总预测结果，防止过拟合。文中提供了Python代码示例，展示如何使用sklearn构建和应用这些模型，并讨论了参数调优和模型评估方法，如交叉验证和混淆矩阵。最后，强调了在实际问题中灵活选择和调整模型参数的重要性。
154
4
4
|
6月前
|
6月前
|
机器学习/深度学习
算法
Python
机器学习 - [源码实现决策树小专题]决策树中，信息增益、信息增益率计算以及最佳特征挑选的Python实现
机器学习 - [源码实现决策树小专题]决策树中，信息增益、信息增益率计算以及最佳特征挑选的Python实现
93
0
0
|
机器学习/深度学习
算法
Python
|
Python
|
机器学习/深度学习
JavaScript
算法
|
机器学习/深度学习
算法
|
数据处理
Python
