發(fā)簡信
IP屬地：廣東
-
[機(jī)器學(xué)習(xí)]決策樹(decision tree)--8.后剪枝上一篇文章介紹了預(yù)剪枝，本文接著介紹后剪枝。 其實(shí)預(yù)剪枝和后剪枝都是為了防止模型過擬合。 我們先記住一句話。 后剪枝，就是將完整的樹劃分好之后，...
-
[機(jī)器學(xué)習(xí)]決策樹(decision tree)--7.預(yù)剪枝剪枝(pruning)是決策樹學(xué)習(xí)算法對付"過擬合"的主要手段。在決策樹學(xué)習(xí)中，為了盡可能正確分類訓(xùn)練樣本，結(jié)點(diǎn)劃分過程將不斷重復(fù)，有時(shí)會(huì)造成決...
-
[機(jī)器學(xué)習(xí)]決策樹(decision tree)--6.基尼指數(shù)
上一篇文章我們介紹了增益率，本文介紹基尼指數(shù)(Gini index)。 CART決策樹使用基尼指數(shù)來選擇劃分屬性。 CART是Classific...
-
[機(jī)器學(xué)習(xí)]決策樹(decision tree)--5.增益率上一篇文章我們介紹了信息增益，本文介紹增益率。 我們知道信息增益可以幫助我們構(gòu)建決策樹，但是信息增益準(zhǔn)則有一個(gè)缺點(diǎn)。具體是什么缺點(diǎn)呢？ 在上面的...
-
[機(jī)器學(xué)習(xí)]決策樹(decision tree)--4.信息增益前面提到了信息熵，公式為：。本篇文章我們介紹信息增益。 我們先記住很抽象的一句話，屬性劃分樣本所獲得的信息增益。 如何理解呢？ 我如何挑選出想要...
-
[機(jī)器學(xué)習(xí)]決策樹(decision tree)--3.信息熵
本篇文章我們介紹信息熵。 信息熵(information entropy)是度量樣本集合純度最常用的一種指標(biāo)。信息熵的公式為： 怎么理解這句話呢...
-
[機(jī)器學(xué)習(xí)]決策樹(decision tree)--2.信息與噪音
前面提到了，決策樹關(guān)鍵的問題在于選擇，比如走到“每月收入=？”這個(gè)結(jié)點(diǎn)時(shí)，下一個(gè)結(jié)點(diǎn)選擇“主營業(yè)務(wù)=？”還是“公司位于哪個(gè)地區(qū)=？”，這就涉及到...
-
[機(jī)器學(xué)習(xí)]決策樹(decision tree)--1.基本概念
下個(gè)學(xué)期開始就要講數(shù)據(jù)挖掘了，有點(diǎn)開心，也有點(diǎn)緊張。數(shù)據(jù)挖掘不是單純的講解理論，更偏向于實(shí)踐。所以除了把基礎(chǔ)的概念講清楚，如何帶著同學(xué)們做一些有...
-
[Django]1.實(shí)現(xiàn)從前端頁面向數(shù)據(jù)庫中插入數(shù)據(jù)這幾天在學(xué)習(xí)Django，簡單記錄一下。我用到的Django版本是4.0，目前完成的功能如下：1.可以在瀏覽器頁面上展示本地?cái)?shù)據(jù)庫中的用戶信息 ...