决策树是一种基本的分类与回归方法，学习通常包含三个步骤：特征选择、决策树的生成和决策树的剪枝。
决策树由结点和有向边组成，结点包括内部结点和叶节点，内部结点表示一个特征或属性，叶节点表示一个类。
决策树学习本质是从训练数据集中归纳出一组分类规则；决策树学习的损失函数通常是正则化的极大似然函数，学习策略是由训练数据集估计条件概率模型。
2019-12-21 21:19:07
2.68MB
1
用R实现多种主流的机器学习方法进行，对信用卡违约率进行机器学习建模、模型评价和调参
2019-12-21 21:16:21
2.09MB
1
内含原始数据集，测试集和实验要求，运用sklearn简单实现决策树，用于学习python，sklearn基础，能够生成决策树pdf以供入门者参考
2019-12-21 20:58:28
751KB
1