每天学习一点点，开始啦！记录自己的成长史，哈哈哈???导入的路径书写格式：直接复制路径在路径前加字母r,如：pd.read_csv(r'C:\Program Files')；将复制的路径的下划线改为向左的下划线，如：pd.read_csv('C:/Program Files')；基本思路：导入需要用到的库导入数据集，探索数据对数据进行预处理提取标签和特征矩阵，分测试集和训练集导入模型，粗略地看一下
转载
2024-04-04 06:53:12
62阅读
1 什么是决策树决策树（Decision Tree）是一种基本的分类与回归方法，本文主要讨论分类决策树。决策树模型呈树形结构，在分类问题中，表示基于特征对数据进行分类的过程。它可以认为是if-then规则的集合。每个内部节点表示在属性上的一个测试，每个分支代表一个测试输出，每个叶节点代表一种类别。 决策树的优点： 1）可以自学习。在学习过程中不需要使用者了解过多的背景知识，只需要对训练数据进行
转载
2023-07-21 18:18:48
123阅读
决策树算法1 概述2 算法特点3 算法原理4 构造决策树4.1 决策树的生成算法(1)熵(2)样本集合D对特征A的信息增益(ID3)(3)样本集合D对特征A的信息增益比(C4.5)(4)样本集合D的基尼指数(CART)4.2 决策树的剪枝5 python实现 1 概述 决策树是一种基本的分类与回归方法。这里主要讨论用于分类的决策树。2 算法特点优点：计算复杂度不高，输出结果易于理解，对中间值的
转载
2023-08-10 13:29:02
74阅读
[本文内容参考Peter Harrington《机器学习实战》] 最近工作有点忙，感觉自己有点懈怠了，要坚持！ 前面几篇博客介绍了决策树的理论知识机器学习之路——决策树（1）,机器学习之路——决策树算法（2）,机器学习之路——决策树剪枝（3） ，学习理论的目的最终为了解决实际问题，今天来一起看看如何用Python来实现决策树算法。话不多说，直接上代码。 首先，实现计算信息增益的部分代码。
转载
2024-03-01 14:27:10
62阅读
决策树原理以及python实现1. 决策树的概念1.1 什么是决策树1.2 决策树的相关概念2. 决策树的构建2.1 特征选择方法2.2 ID3算法2.2.1 ID3算法例题2.2.2 ID3算法缺点2.3 C4.5算法2.3.1 C4.5算法例题3. 决策树剪枝3.1 决策树的剪枝3.2决策树剪枝算法3.3决策树剪枝流程4决策树的python实现 1. 决策树的概念 决策树是一个分类与回归的算
转载
2023-08-04 21:14:26
167阅读
最近布置了个课堂作业，用python实现决策树算法 。整了几天勉勉强强画出了棵歪脖子树，记录一下。大体思路：1.创建决策树My_Decision_Tree类，类函数__init__()初始化参数、fit()进行决策树模型训练、predict()进行预测、evaluate()进行模型评估、save_model()保存模型(csv格式)、load_model()加载模型、show_tree(
转载
2023-06-01 16:43:15
163阅读
在构造决策树时，我们需要解决的第一个问题是，当前数据集上哪个特征在划分数据类型时起决定性作用。为了找到决定性的特征，划分出最好的结果，我们必须评估每个特征。完成测试之后，原始数据集就被划分为几个数据子集。这些数据子集会分布在第一个决策点的所有分支上。如果某个分支下的数据属于同一类型，则无需进一步对数据集进行分割。如果数据子集内的数据不属于同一类型，则需要重复划分数据子集的过程。如何划分子集的算法和
转载
2024-06-13 23:52:56
11阅读
决策树理解：所谓决策树，就是根据树结构来进行决策。 举个例子，小明的妈妈去上海人民公园相亲角为儿子物色相亲对象，广场上数百名适婚年龄男女的家长自发来到这里，手里拿着自家孩子的基本资料。小明妈为了选到一个理想的儿媳妇，在看到其他人手中的基本资料后，根据自己内心中各项情况的重要程度（从高到低分别是性别，学历，颜值，房子），依次进行判断：性别是否是女孩子？ &n
转载
2023-06-29 20:58:54
131阅读
文章目录一、直观理解决策树二、熵的作用三、信息增益四、决策树构造实例4.1 问题描述4.2 根节点构造五、信息增益率和GINI系数5.1 信息增益存在的问题5.2 信息增益率5.3 GINI系数六、连续值特征划分七、剪枝方法（预剪枝和后剪枝）八、回归问题预测思路九、Python代码实现决策树9.1 导入所需要的库9.2 构建数据集9.3 函数编写9.4 测试算法效果十、SkLearn库实现决策树
转载
2023-10-02 20:55:05
636阅读
本文用通俗易懂的方式来讲解分类树中的回归树，并以“一维回归的图像绘制”和“泰坦尼克号幸存者预测”两个例子来说明该算法原理。以下是本文大纲： 1 DecisionTreeRegressor 1.1
重要参数，属性及接口 criterion 1.2 交叉验证 2
实例：一维回归的图像绘制 3
实例：泰坦尼克号幸存
转载
2024-06-05 22:16:58
54阅读
# Python用决策树预测股价
## 引言
在金融领域，股票价格的预测是一个复杂的任务。传统的投资者依赖于市场趋势和基本面分析，但随着机器学习和数据科学的发展，越来越多的研究开始使用算法来预测股价。本文将介绍如何使用Python中的决策树算法来预测股价，并提供一个简明的代码示例。
## 决策树简介
决策树是一种树状结构的模型，用于分类和回归问题。它通过一系列的决策来对数据进行分类，适合处
决策树及python实现1 决策树模型与学习2 特征选择3. 决策树的生成3.1 ID3算法3.2 C4.5算法4 CART算法4.1 CART生成4.1.1 回归树的生成4.1.2 分类树的生成5 代码实现5.1 Main.py5.2 Gini.py5.3 TreeNode.py5.4 CART.py6 决策树的剪枝6.1 预剪枝6.2 后剪枝 决策树是一种基本的分类和回归方法。决策树学习通
转载
2023-06-08 22:58:45
373阅读
今天是机器学习专题的第21篇文章，我们一起来看一个新的模型——决策树。决策树的定义决策树是我本人非常喜欢的机器学习模型，非常直观容易理解，并且和数据结构的结合很紧密。我们学习的门槛也很低，相比于那些动辄一堆公式的模型来说，实在是简单得多。其实我们生活当中经常在用决策树，只是我们自己没有发现。决策树的本质就是一堆if-else的组合，举个经典的例子，比如我们去小摊子上买西瓜。水果摊的小贩都是怎么做的
转载
2024-06-26 22:59:54
40阅读
最近看完了《机器学习实战》和天池直播课堂中的决策树算法，觉得意犹未尽，特别是信息熵部分理解并不透彻，于是又把西瓜书中的决策树看了，略有感悟，希望与大家分享一下，下面我按照自己的理解，尽量用通俗的语言总结记录下决策树算法。1.决策树介绍举个通俗的栗子来解释一下什么是决策树，想象一个女孩的母亲要给这个女孩介绍男朋友：女儿：有没有房子？母亲：有。女儿：长的帅不帅？母亲：挺帅的。女儿：收入高不？ 母亲：不
转载
2024-08-07 13:22:55
24阅读
目录前置信息1、决策树2、样本数据决策树分类算法1、构建数据集2、数据集信息熵3、信息增益4、构造决策树5、实例化构造决策树6、测试样本分类后置信息：绘制决策树代码 前置信息1、决策树决策树是一种十分常用的分类算法，属于监督学习；也就是给出一批样本，每个样本都有一组属性和一个分类结果。算法通过学习这些样本，得到一个决策树，这个决策树能够对新的数据给出合适的分类2、样本数据假设现有用户14名，其个
转载
2023-07-28 16:37:33
151阅读
本文实例讲述了决策树的python实现方法。分享给大家供大家参考。具体实现方法如下：决策树算法优缺点：优点：计算复杂度不高，输出结果易于理解，对中间值缺失不敏感，可以处理不相关的特征数据缺点：可能会产生过度匹配的问题适用数据类型：数值型和标称型算法思想：1.决策树构造的整体思想：决策树说白了就好像是if-else结构一样，它的结果就是你要生成这个一个可以从根开始不断判断选择到叶子节点的树，但是呢这
转载
2023-06-30 17:22:11
111阅读
一、决策树简介决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。1、决策树引导一个女孩找对象策过程就是型的分类树决策。相当于通过年龄、长相、收入和是否公务员对将男人分为两个类别：见和不见。假设这个女孩对男人的要求是：30岁以下、长相中等以上并且是高收入
转载
2023-07-04 21:19:07
180阅读
决策树是一种主要应用于数据分类场景的算法。它是一个树形结构，其中每个节点代表要素，每个边缘代表所做出的决策。从根节点开始，我们继续评估分类特征，并决定遵循特定的优势。每当有新数据点出现时，都会反复应用相同的方法，然后在研究所有必需的特征或将其应用于分类方案时得出最终结论。因此，决策树算法是一种监督学习模型，用于预测具有一系列训练变量的因变量。示例我们将获取kaggle提供的药物测试数据。第一步，我
转载
2023-07-01 09:09:21
141阅读
这几天在看决策树算法，发现这算法在实际的应用中使用挺多的。所以想总结一下： 这里给出一些我觉得比较好的博客链接： http://blog.jobbole.com/86443/ 通俗易懂，同时也讲了一些决策树算法：如ID3、C4.5之类的。以及建立完完整的决策树之后，为了防止过拟合而进行的剪枝的操作。 决策树算法介绍及应用：http://blog.jobbole.com/89072/ 这篇博文写的非
转载
2024-06-19 15:17:43
41阅读
决策树的特点决策树的用途决策树的适用范围数据类型特征可以连续和离散 因变量分类时是离散，回归时是连续算法支持模型树结构特征选择连续值处理缺失值处理剪枝ID3分类多叉树信息增益不支持不支持不支持C4.5分类多叉树信息增益比支持支持支持CART分类，回归二叉树基尼系数，均方差支持支持支持决策树的优点1）简单直观，生成的决策树很直观。 2）基本不需要预处理，不需要提前归一化，处理缺失值。 3）使用决策树
转载
2024-05-10 16:30:46
86阅读
