發(fā)簡信
IP屬地：廣東
-
[機器學習]決策樹(decision tree)--8.后剪枝上一篇文章介紹了預剪枝，本文接著介紹后剪枝。 其實預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，...
-
[機器學習]決策樹(decision tree)--7.預剪枝剪枝(pruning)是決策樹學習算法對付"過擬合"的主要手段。在決策樹學習中，為了盡可能正確分類訓練樣本，結點劃分過程將不斷重復，有時會造成決...
-
[機器學習]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...
-
[機器學習]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建決策樹，但是信息增益準則有一個缺點。具體是什么缺點呢？ 在上面的...
-
[機器學習]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...
-
[機器學習]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。信息熵的公式為： 怎么理解這句話呢...
-
[機器學習]決策樹(decision tree)--2.信息與噪音
前面提到了，決策樹關鍵的問題在于選擇，比如走到“每月收入=？”這個結點時，下一個結點選擇“主營業(yè)務=？”還是“公司位于哪個地區(qū)=？”，這就涉及到...
-
[機器學習]決策樹(decision tree)--1.基本概念
下個學期開始就要講數(shù)據(jù)挖掘了，有點開心，也有點緊張。數(shù)據(jù)挖掘不是單純的講解理論，更偏向于實踐。所以除了把基礎的概念講清楚，如何帶著同學們做一些有...
-
[Django]1.實現(xiàn)從前端頁面向數(shù)據(jù)庫中插入數(shù)據(jù)這幾天在學習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數(shù)據(jù)庫中的用戶信息 ...