分类Classification:决策树Decision Tree
目录
分类的定义
决策树Decision Tree
混乱衡量指标Gini index
决策树的特点
分类的定义
分类:建立一个学习函数(分类模型)将每个属性集合(x1,x2,...xn)对应到一组已定义的类别y中。
分类结果的评估的四大指标:
- Precision精确度
- Recall召回率
- Accuracy准确度
- Error rate错误率
分类矩阵/混淆矩阵confusion Matrix:
实际 | |||
地雷玩家 | 非地雷玩家 | ||
预估 | 地雷 | a | b |
非地雷 | c | d |
越高越好
越高越好
越高越好
越小越好
决策树Decision Tree
决策树是一种简单但是广泛使用的分类器。通过训练数据构建决策树,可以高效的对未知的数据进行分类。
混乱衡量指标Gini index
Gini index擅长处理True或False的二元分类树。其计算公式为:
其中:
Gini index的计算 :
分类前数据:
分类属性1:偏好女主角
表示在该分类属性下的分类效果,Δ越大越好
分类属性2:能carry整场
综上,可以看出属性2的分类效果比较好。
属性分支数与模型复杂度:在决策树中,分支数越多,乱度越低,但模型越复杂(即过度适配)。
决策树的特点
- 建设成本低,速度快,一次构建,反复使用;
- 模型可以读性好,具有描述性,有助于人工分析;
- 乱度测量方法的选择对分类结果影响不大;
分类Classification:决策树Decision Tree相关推荐
- 决策树分类python代码_分类算法-决策树 Decision Tree
决策树(Decision Tree)是一个非参数的监督式学习方法,决策树又称为判定树,是运用于分类的一种树结构,其中的每个内部节点代表对某一属性的一次测试,每条边代表一个测试结果,叶节点代表某个类或类 ...
- 算法杂货铺——分类算法之决策树(Decision tree)
算法杂货铺--分类算法之决策树(Decision tree) 2010-09-19 16:30 by T2噬菌体, 88978 阅读, 29 评论, 收藏, 编辑 3.1.摘要 在前面两篇文章中,分别 ...
- 决策树(Decision Tree)_海洋动物分类
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 ...
- 机器学习算法实践:决策树 (Decision Tree)(转载)
前言 最近打算系统学习下机器学习的基础算法,避免眼高手低,决定把常用的机器学习基础算法都实现一遍以便加深印象.本文为这系列博客的第一篇,关于决策树(Decision Tree)的算法实现,文中我将对决 ...
- 决策树(Decision Tree)简介
决策树(Decision Tree)及其变种是另一类将输入空间分成不同的区域,每个区域有独立参数的算法.决策树分类算法是一种基于实例的归纳学习方法,它能从给定的无序的训练样本中,提炼出树型的分类模型. ...
- 决策树 Decision Tree 简介
分享一下我老师大神的人工智能教程!零基础,通俗易懂!http://blog.csdn.net/jiangjunshow 也欢迎大家转载本篇文章.分享知识,造福人民,实现我们中华民族伟大复兴! 决策树 ...
- [机器学习笔记] (四)决策树 Decision Tree
(四)决策树 Decision Tree 基本概念 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 ...
- Machine Learning | (7) Scikit-learn的分类器算法-决策树(Decision Tree)
Machine Learning | 机器学习简介 Machine Learning | (1) Scikit-learn与特征工程 Machine Learning | (2) sklearn数据集 ...
- 数据分类:决策树Decision Tree
背景 决策树(decision tree)是一种基本的分类和回归(后面补充一个回归的例子?)方法,它呈现的是一种树形结构,可以认为是if-then规则的集合.其其主要优点是模型具有很好的可读性,且分类 ...
最新文章
- qstring 属于元数据类型吗_2020年退休养老金只有1800元,属于什么水平?还要继续工作吗?...
- 精选30道Java笔试题解答
- 熟悉java环境实验报告_2018-2019-2 20175324实验二面向对象程序设计《Java开发环境的熟悉》实验报告...
- java pgp_Java相当好的隐私(PGP)
- Python生成多个浮点数、二维浮点数
- Django路由控制
- CAJ VIEWER 7.2 已停止工作(正确的处理方法,最快最正确的方法,网上的其他方法也就是看看,很难找到问题的正确办法)
- STM32单片机Flash模拟EEPROM
- npm install报错error 404 Not Found - GET httpsregistry.npm.taobao.org@xt
- 一些常用软件镜像地址
- In library(package, lib.loc = lib.loc,character.only = TRUE, there is no package called ‘kknn’
- [Vue warn] Extraneous non-emits event listeners (createSuccess) were passed to component but could
- 在线正则表达式测试工具
- QlikView处理数据
- 服务器 z盘 映射,小脚本:在终端上映射网络驱动器Z盘
- HTML实现A4模板
- iPad Air 3(iPad Air 2019)的主要参数与特性
- Android 设置Switch样式
- 阿里云增强版实人认证--银行卡要素核验
- 关于Angular Js动态表格合并单元格的一点见解
热门文章
- 1901怀化学院KHJ错题集
- ansys 内聚力模型_ANSYS Workbench有限元分析实例详解:静力学 PDF高清完整版
- 语音识别入门 --各个模型的整理
- 电商项目数据库设计 | 第一篇:规范篇
- 翻译_第五章:《Explainable Recommendation: A Survey and New Perspectives》可解释推荐系统综述
- 计算机经验量表,大学生计算机自我效能感量表的开发与应用
- snort-2.9.7.0源码安装过程
- CodeGear RAD Studio 2007下载
- 数论-欧几里得最大公约数- same gcd
- 基于SSM开发校园外卖零食购物商城系统