2017年2月21日
决策树
摘要： 1. 简介 优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。 缺点：可能会产生过度匹配问题 适用：数值型和标称型 一般流程： 1. 信息增益 熵：信息的期望值 n:分类的数目 p(xi):选择该分类的概率 python中实现 建立trees.py文件，创建cal 阅读全文
posted @ 2017-02-21 16:50 rockchen 阅读(759) 评论(0) 推荐(0)