- 在线播放
- 分集下载
- 01_决策树_理论上的标记
- 02_决策树_随机森林和准确率
- 03_决策树_熵的度量标准
- 04_决策树_熵的定义标签
- 05_决策树_推导条件概率的定义式
- 06_决策树_根据条件熵的定义式
- 07_决策树_决策树的实例1
- 08_决策树_决策树实例2
- 09_决策树_决策树的理论介绍1
- 10_决策树_信息增益的理论介绍2
- 11_决策树_韦恩图与互信息
- 12_决策树_条件熵和互信息
- 13_决策树_决策树的标记
- 14_决策树_ID3的流程
- 15_决策树_条件熵的最终解法
- 16_决策树_分析一下熵
- 17_决策树_信息增益率C4.5的计算方法
- 18_决策树_决策树的Gini系数推导过程
- 19_决策树_决策树的评价
- 20_决策树_决策树的评价函数
- 21_决策树_决策树实现Iris鸢尾花分类1
- 22_决策树_决策树实现Iris鸢尾花分类2
- 23_决策树_决策树实现Iris鸢尾花分类3
- 24_决策树_决策树实现Iris鸢尾花分类4
- 25_决策树_决策树实现Iris鸢尾花分类5
2019大数据统计机器学习算法精讲之Decision Tree(决策树)的相关介绍
本课程全方面的介绍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。 随机森林对于一个测试数据,将它投入到随机森林中的不同决策树中,会得到不同的测试结果。若问题是一个分类问题,则可以通过求众数来得出测试数据的类别;若问题是一个回归问题,则可以通过求平均值得出测试数据的值。
教程列表:
千锋大数据教程:01_好程序员_Decision Tree(决策树)_理论上的标记
千锋大数据教程:02_好程序员_Decision Tree(决策树)_随机森林和准确率
千锋大数据教程:03_好程序员_Decision Tree(决策树)_熵的度量标准
千锋大数据教程:04_好程序员_Decision Tree(决策树)_熵的定义标签
千锋大数据教程:05_好程序员_Decision Tree(决策树)_推导条件概率的定义式
千锋大数据教程:06_好程序员_Decision Tree(决策树)_根据条件熵的定义式
千锋大数据教程:07_好程序员_Decision Tree(决策树)_决策树的实例1
千锋大数据教程:08_好程序员_Decision Tree(决策树)_决策树实例2
千锋大数据教程:09_好程序员_Decision Tree(决策树)_决策树的理论介绍1
千锋大数据教程:10_好程序员_Decision Tree(决策树)_信息增益的理论介绍2
千锋大数据教程:11_好程序员_Decision Tree(决策树)_韦恩图与互信息
千锋大数据教程:12_好程序员_Decision Tree(决策树)_条件熵和互信息
千锋大数据教程:13_好程序员_Decision Tree(决策树)_决策树的标记
千锋大数据教程:14_好程序员_Decision Tree(决策树)_ID3的流程
千锋大数据教程:15_好程序员_Decision Tree(决策树)_条件熵的最终解法
千锋大数据教程:16_好程序员_Decision Tree(决策树)_分析一下熵
千锋大数据教程:17_好程序员_Decision Tree(决策树)_信息增益率C4.5的计算方法
千锋大数据教程:18_好程序员_Decision Tree(决策树)_决策树的Gini系数推导过程
千锋大数据教程:19_好程序员_Decision Tree(决策树)_决策树的评价
千锋大数据教程:20_好程序员_Decision Tree(决策树)_决策树的评价函数
千锋大数据教程:21_好程序员_Decision Tree(决策树)_决策树实现Iris鸢尾花分类1
千锋大数据教程:22_好程序员_Decision Tree(决策树)_决策树实现Iris鸢尾花分类2
千锋大数据教程:23_好程序员_Decision Tree(决策树)_决策树实现Iris鸢尾花分类3
千锋大数据教程:24_好程序员_Decision Tree(决策树)_决策树实现Iris鸢尾花分类4
千锋大数据教程:25_好程序员_Decision Tree(决策树)_决策树实现Iris鸢尾花分类5