崔馨月

摘要： 今天把逻辑回归梳理了一遍，重点如下： 1. 几率（odds）： 一件事情发生的概率p与它不发生概率的比，即odds = p/(1-p) 2. 对数几率：log(odds) = log( p/(1-p)) 3. 逻辑回归：log(p/(1=p)) = W·X 4. 多分类的逻辑回归：具体推导后补 阅读全文

摘要： # <a><font size=6 color=#FF7F00><center>6决策树与随机森林</center></font></a> # <a><font color=blue>$\clubsuit$ 一级标题，默认大小</font></a> # <a><font size=5 color=b 阅读全文

摘要： https://www.fashici.com/tech/184.html 阅读全文

摘要： https://www.cnblogs.com/sunshinewang/p/6897966.html 阅读全文

摘要： https://blog.csdn.net/cymy001/article/details/78513712 阅读全文

摘要： ID3 （信息增益）：分类 定义：信息增益 g(D, A) = 数据集D的经验熵 H(D) - 某个特征A对于数据集D的经验条件熵 H(D | A) 步骤：计算每个特征的信息增益，取信息增益最大的特征作为划分。 缺点：偏向于选择取值较多的特征，影响分类的泛化能力。 比如一个特征由原来的两个取值，变为 阅读全文