matlab程序下的决策树与随机森林分类算法的详细案例，含doc介绍，方便学习
2019-12-21 20:55:00
1.43MB
1
决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度，使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。
2019-12-21 20:53:33
5KB
1
用python编写的决策树ID3算法，运用了Car-Evaluation的例子。BUG较少，综合了网上的优秀代码，并进一步形成自己的代码。代码基本有注释，风格良好，能够很快看懂。内含有比较规范的报告文档，包含所有流程图，说明图，以及文档风格绝对不错，无需更改，建议下载！
该算法所测试的数据集如下（已经打包在内，并已经生成xls格式，方便直接使用）：
已知：UCI标准数据集Car-Evaluation，定义了汽车性价比的4 个类别；
求：用ID3算法建立Car-Evaluation的属性描述决策树
Car-Evaluation训练数据集文件：
1. car_databases.pdf
2. car_evalution-databases.pdf
2019-12-21 20:42:15
1.17MB
1
adaboost 演示demo（基于Matlab，学习算法包括决策树、神经网络、线性回归、在线贝叶斯分类器等），动态GUI显示学习过程、vote过程等
2019-12-21 20:34:08
13KB
1