决策树是最重要的机器学习算法之一，其可被用于分类和回归问题。本文中，我们将介绍分类部分。
2020-10-12 16:39:34
1112 
、预测和管理飞机的运行状态。鉴于此，将机器学习中的决策树算法应用到故障诊断技术中，建立了复杂的数学模型，提出了一种基于飞机状态参数构成的决策树的飞机级故障诊断建模方法，对飞机健康管理应用的发展具有一定的参考意义，有利于健康管理系统朝着更加综合化、智能化、网络化和标准化的方向发展。
2023-11-16 16:40:27453 
决策树算法是机器学习领域的基石之一，其强大的数据分割能力让它在各种预测和分类问题中扮演着重要的角色。
2023-12-13 09:49:56400 
非线性分类器，也就是说，通过复杂的决策边界来分割解空间。那么，直观地看，为什么我们认为使用决策树模型比深度神经网络要容易得多呢？13. 反向传播是深度学习的关键算法。请列举一些可能替代反向传播算法来训练
2018-09-29 09:39:54
决策树在机器学习的理论学习与实践
2019-09-20 12:48:44
在本文中，我们将讨论一种监督式学习算法。最新一代意法半导体 MEMS 传感器内置一个基于决策树分类器的机器学习核心（MLC）。这些产品很容易通过后缀中的 X 来识别（例如，LSM6DSOX）。这种
2023-09-08 06:50:22
Excel-分类算法-决策树
2019-05-10 11:05:28
本文档旨在提供 ISM330DHCX 中可用的机器学习内核功能信息。机器学习处理能力允许将一些算法从应用处理器转移到 MEMS传感器，从而持续降低功耗。通过决策树逻辑获得机器学习处理能力。决策树是由
2023-09-08 07:53:52
ML--决策树与随机森林
2020-07-08 12:31:39
。
OpenHarmony应用模型的构成要素包括：应用组件、应用进程模型、应用线程模型、应用任务管理模型、应用配置文件五个部分。
1.应用组件
应用组件是应用的基本组成单位，是应用的运行入口。用户启动
2023-04-24 10:26:20
时钟的作用是什么？STM32F103时钟树是怎样构成的？
2021-09-24 12:03:21
的估计区间 4、随机森林随机森林（Random Forest）是Bagging的扩展变体。随机森林在以决策树为基学习器构建Bagging集成的基础上，进一步在决策树的训练过程中引入了随机属性选择。简单
2018-06-06 10:11:38
决策树决策树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。由于这种决策分支画成图形
2022-03-05 14:15:07
目录人工智能基本概念机器学习算法1. 决策树2. KNN3. KMEANS4. SVM5. 线性回归深度学习算法1. BP2. GANs3. CNN4. LSTM应用人工智能基本概念数据集：训练集
2021-09-06 08:21:17
本文主要介绍支持向量机、k近邻、朴素贝叶斯分类 、决策树、决策树集成等模型的应用。讲解了支持向量机SVM线性与非线性模型的适用环境，并对核函数技巧作出深入的分析，对线性Linear核函数、多项式
2021-09-01 06:57:36
RCC是reset clock control的简称(即复位和时钟控制器)，本文将详细介绍时钟树的构成，通过理解时钟树我们可以更加的理解STM32的所有时钟来源和关系。如下图，是STM32的时钟树
2021-08-12 07:48:27
`随着科学技术的发展，AI爱好者越来越多，除了一些精通AI的大神，还有很多的技术小白也对这方面感兴趣，他们想学习一些机器学习的入门知识。今天，讯飞开放平台就带来机器学习中的一个重要算法——决策树。在
2018-05-23 09:38:48
统计学习方法决策树
2019-11-05 13:40:43
利用决策树中CART算法识别印第安人糖尿病患者
2019-05-06 12:16:27
我正在开发一个超低功耗应用程序，其中 LSM6DSO32X 的 MLC 用于在发生有趣的事情时唤醒 mcu，特别是我实现了两个决策树，每个决策树都专注于模式检测。为了减少错误唤醒，我想仅在两棵树中
2022-12-22 06:26:34
。比如小时候我们还不认识钱币，看到一堆纸币和硬币，会很自然的把纸币和硬币分开，这就是最简单的聚类原理。2机器学习中的经典算法机器学习中所涉及到的算法有很多，比较典型的算法有决策树、回归、神经网络等
2018-07-27 12:54:20
)；4）理论成熟，思想简单，既可以用来做分类也可以用来做回归。缺点：1）计算量大；2）需要大量的内存；3）样本不平衡问题（即有些类别的样本数量很多，而其它样本的数量很少）。5.决策树优点：1）能够处理
2017-12-02 15:40:40
，广义线性模型，2，支持向量机，3，最近邻居法，4，决策树，5，神经网络，等等… 但是，从我们的经验来看，这并不总是算法分组最为实用的方法。那是因为对于应用机器学习，你通常不会想，“今天我要训练一个支持向量机
2019-09-22 08:30:00
使用 UNICO（v9.10.0.0），生成具有多个决策树的 UCF 文件的过程似乎是：1.加载所有决策树的所有测试数据，像对单个树一样标记每个数据集（大概标签需要在所有树中是唯一的）2.使用MLC
2022-12-26 06:30:11
的所有需求。而这三类里又包含许多经典算法。而今天，小编就给大家介绍下数据挖掘中最经典的十大算法，希望它对你有所帮助。一、 分类决策树算法C4.5C4.5，是机器学习算法中的一种分类决策树算法，它是决策树
2018-11-06 17:02:30
机器学习——决策树算法分析
2020-04-02 11:48:38
各种机器学习的应用场景分别是什么？例如，k近邻,贝叶斯，决策树，svm，逻辑斯蒂回归和最大熵模型
2019-09-10 10:53:10
李航统计学习第五章-决策树
2020-04-29 15:12:25
本人最近在做粒子群算法的相关研究，遇到如下问题：要求决策变量为整数（0或1），初始化时已随机设置成0或1的形式，决策变量范围设置成（0-1间），在更新过程中如何对速度和位置进行设置呢，不设置的话还是会随机产生一些数，比如0.232,0.0482类似的数，还请大神解答，谢谢
2016-06-10 11:01:47
2. Logistic 回归 3. 决策树 4. SVM 5. 朴素贝叶斯 6. KNN 7. K 均值 8. 随机森林 9. 降维算法 10. 梯度提升算法 1.GBM 2.XGBoost 3.LightGBM 4.CatBoost
2018-10-23 14:31:12
网络的构成要素有哪些？硬件处理和软件处理有哪些区别？
2021-10-14 07:08:46
蓝牙Mesh网络的构成要素
2021-03-04 07:37:24
有趣的，便于科普。 以后有时间再对单个算法做深入地解析。今天的算法如下：决策树随机森林算法逻辑回归SVM朴素贝叶斯K最近邻算法K均值算法Adaboost 算法神经网络马尔可夫 1. 决策树根据一些
2017-08-02 16:58:02
介绍了决策树分类技术，并用其对汽车销售企业的调查问卷进行数据分析，挖掘出最近一年内有购车意愿的客户的特征，从而提高营销的成功率。证明了决策树数据挖掘技术在汽车
2009-09-09 15:49:08
13 一个基于粗集的决策树规则提取算法:摘要：决策树是数据挖掘任务中分类的常用方法。在构造决策树的过程中，分离属性的选择标准直接影响到分类的效果，传统的决策树算法往往
2009-10-10 15:13:3412 基于属性相似度的决策树算法:针对ID3 算法的多值偏向问题，提出一种基于属性相似度的、能够避免多值偏向问题的ID3 改进算法——NewDtree 算法，并应用理论分析方法对NewDtree 算
2009-10-17 23:07:4915 在数据挖掘中我们往往会忽略离群数据，可是这些数据却往往包含重要的信息。本文采用了将决策树与相异度相结合的方式进行离群数据的挖掘。通过计算决策树中各属性的信息
2010-01-15 14:28:055 以决策树数据挖掘分类算法在金融客户关系管理（CRM）中的应用为例，进行了数据挖掘的尝试，从中发现企业产品的销售规律和客户群特征，从而提高CRM对市场活动和销售活动的分
2010-08-02 12:18:080 为提高大规模数据集生成树的准确率,提出一种预生成一棵基于这个数据集的决策树,采用广度优先遍历将其划分为满足预定义的限制的数据集,再对各数据集按照一定比例进行随机采样,最后将采样结果整合为目标数据集的数据采样方法.通过对一UCI数据集进行采样,并用现
2011-02-14 15:15:150 引入了基于粗糙集理论的属性约简进行属性的降噪和排序处理，然后结合决策树理论的C4.5算法来对自诊断电子称重仪表进行分析，取信息增益率最大的结点作为决策树的根，以此使分裂
2011-10-08 14:43:1024 该方法利用决策树算法构造决策树,通过对分类结果中主客观属性进行标记并逻辑运算,最终得到较客观的决策信息,并进行实验验证。
2012-02-07 11:38:0326 基于决策树学习的智能机器人控制方法！资料来源网络，如有侵权，敬请见谅
2015-11-30 11:33:4415 关于决策树的介绍，是一些很基础的介绍，不过是英文介绍。
2016-09-18 14:55:040 基于动作决策的机器鱼顶球算法 谢广明
2016-12-17 10:06:541 为什么要引入随机森林呢。我们知道，同一批数据，我们只能产生一颗决策树，这个变化就比较单一了，这就有了集成学习的概念。
2017-10-18 17:47:373445 
决策树算法最早源于人工智能的机器学习技术，用以实现数据内在规律的探究和新数据对象的分类预测U。由于其出色的数据分析能力和直观易懂的结果展示等特点，决策树成为一种重要的数据挖掘技术。随着信息化技术
2017-10-28 12:58:360 路径最短，从而提升分类的速度和准确率。通过实例对改进算法生成决策树产生的结果分析，表明了该算法生成的决策树结构更简单，时间复杂度更优。算法更有效。
2017-11-14 14:08:051 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，文中我将对决策树
2017-11-15 13:10:0414310 
今天，我们介绍机器学习里比较常用的一种分类算法，决策树。决策树是对人类认知识别的一种模拟，给你一堆看似杂乱无章的数据，如何用尽可能少的特征，对这些数据进行有效的分类。 决策树借助了一种层级分类的概念
2017-11-16 01:50:011429 针对经典C4.5决策树算法存在过度拟合和伸缩性差的问题，提出了一种基于Bagging的决策树改进算法，并基于MapReduce模型对改进算法进行了并行化。首先，基于Bagging技术对C4.5算法
2017-11-21 11:57:081 目前关于决策树剪枝优化方面的研究主要集中于预剪枝和后剪枝算法。然而，这些剪枝算法通常作用于传统的决策树分类算法，在代价敏感学习与剪枝优化算法相结合方面还没有较好的研究成果。基于经济学中的效益成本
2017-11-30 10:05:190 值不同）采用决策树进行数据挖掘是当前研究热点。本文基于贪心算法的思想，提出了一种非一致决策表的决策树分析方法。首先使用多值决策方法处理非一致决策表，将非一致决策表转换成多值决策表（即用一个集合表示样本的多个决策值）然
2017-12-05 14:30:450 包含多个决策值，多个决策属性用一个集合表示。针对已有的启发式算法，如贪心算法，由于性能不稳定的特点，该算法获得的决策树规模变化较大，本文基于动态规划的思想，提出了使决策树规模最小化的算法。该算法将多值决策
2017-12-05 15:47:260 C4．5算法与ID3算法一样使用了信息熵的概念，并和ID3一样通过学习数据来建立决策树。ID3算法使用的是信息熵的变化值，而C4．5算法使用的是信息增益率。在决策树构造过程中进行剪枝，因为某些具有
2018-06-28 07:32:0010576 决策树分类器，是一种基于实例的分类算法，广泛被应用于人工智能领域。ID3算法是最为经典的决策树建树算法，它通过递归和逐次挑选信息量最多的属性来构造决策树。决策树的结构有时非常庞大和复杂，而决策树分类
2017-12-07 11:23:031 根据给定的数据集创建一个决策树就是机器学习的课程，创建一个决策树可能会花费较多的时间，但是使用一个决策树却非常快。创建决策树时最关键的问题就是选取哪一个特征作为分类特征，好的分类特征能够最大化
2021-08-27 14:38:5418636 
决策树算法是一种最简单、最直接、最有效的文本分类算法。最早的决策树算法是ID3算法，于1986年由Quinlan提出，该算法是一种基于信息熵的决策树分类算法。由于该算法是以信息熵作为属性选择的标准
2017-12-12 11:20:550 提前修复不一致数据。直接在不一致数据上进行分类。是该文的核心研究内容，对决策树生成算法的目标函数进行改进。使其能够直接对不一致数据进行分类，并得到较好的分类结果．对约束条件中的特征对分类结果的影响进行了多
2017-12-26 16:13:020 针对静态算法对大数据和增量数据处理不足的问题，构造了基于粗决策树的动态规则提取算法，并将其应用于旋转机械故障诊断中。将粗集与决策树结合，用增量方式实现样本抽取；经过动态约简、决策树构造、规则提取
2017-12-29 14:24:050 针对当前决策树算法较少考虑训练集的嘈杂程度对模型的影响，以及传统驻留内存算法处理海量数据困难的问题，提出一种基于Hadoop平台的不确定概率C4.5算法-IP-C4.5算法。在训练模型
2018-01-13 09:41:380 针对目前卫星在轨故障诊断后验证知识获取困难，随着卫星在轨运行功能或性能退化导致门限诊断精度下降的问题，本文深入研究了卫星在轨管理过程中积累的异常数据和故障案例，提出了一种基于决策树的在轨卫星故障诊断
2018-02-23 10:50:300 决策树（DT）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。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。从数据产生决策树的机器学习技术叫做决策树学习。
2018-05-29 07:12:001801 机器学习中，决策树是一个预测模型，它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应从根节点到该叶节点所经历的路径
2018-05-28 10:53:253913 
正如你所看到的，决策树非常直观，他们的决策很容易解释。 这种模型通常被称为白盒模型。 相反，正如我们将看到的，随机森林或神经网络通常被认为是黑匣子模型。 他们做出了很好的预测，并且我们可以轻松检查他们执行的计算以进行这些预测; 然而，通常很难用简单的术语来解释为什么会做出预测。
2018-07-16 17:12:0113941 
决策树（decision tree）算法基于特征属性进行分类，其主要的优点：模型具有可读性，计算量小，分类速度快。决策树算法包括了由Quinlan提出的ID3与C4.5，Breiman等提出的CART。其中，C4.5是基于ID3的，对分裂属性的目标函数做出了改进。
2018-07-21 10:13:295369 
“ANT的出发点与mGBDT类似，都是期望将神经网络的表示学习和决策树的特点做一个结合，不过，ANT依旧依赖神经网络BP算法进行的实现，”冯霁说：“而深度森林（gcForest/mGBDT）的目的
2018-07-25 09:39:019057 
C4．5算法是由Quinlan提出并开发的用于产生决策树［参见人工智能（23）］的算法。该算法是对Quinlan之前开发的ID3算法的一个扩展。C4．5算法产生的决策树可以被用作分类目的，因此该算法也可以用于统计分类。
2018-09-05 10:33:001072 希望通过所给的训练数据学习一个贷款申请的决策树，用于对未来的贷款申请进行分类，即当新的客户提出贷款申请时，根据申请人的特征利用决策树决定是否批准贷款申请。
2018-10-08 14:26:095616 一、 分类决策树算法C4.5C4.5，是机器学习算法中的一种分类决策树算法，它是决策树(决策树，就是做决策的节点间的组织方式像一棵倒栽树)核心算法ID3的改进算法，C4.5相比于ID3改进的地方
2018-11-06 17:07:3319803 今天为大家介绍一项国家发明授权专利——基于决策树算法的电能表故障预测方法。该专利由国电南瑞科技股份有限公司申请，并于2018年11月30日获得授权公告。
2018-12-17 11:40:351538 
C4.5算法：基于ID3算法的改进，主要包括：使用信息增益率替换了信息增益下降度作为属性选择的标准；在决策树构造的同时进行剪枝操作；避免了树的过度拟合情况；可以对不完整属性和连续型数据进行处理，提升了算法的普适性。
2019-02-04 09:45:0010307 
针对异常检测中异常数据与正常数据的比例严重不平衡导致决策树性能下降的问题，提出了C4.5决策树的三种改进方法一C4.5 +δ、均匀分布熵（ UDE）和改进分布熵函数（IDEF）。首先，推导了C4.5
2019-03-27 10:56:0617 本视频主要详细介绍了数据挖掘常用算法，分别是朴素贝叶斯、逻辑回归（logisticregression）、最近邻算法——KNN、决策树、Adaboosting。
2019-04-10 16:32:3313064 针对奶牛行为分类过程中决策树算法构建主观性强、阈值选取无确定规则，易导致分类精度差的问题，该文提出一种基于最优二叉决策树分类模型的奶牛运动行为识别方法，首先选取描述奶牛腿部三轴加速度数值大小、对称性
2019-04-24 08:00:000 我们知道决策树容易过拟合。换句话说，单个决策树可以很好地找到特定问题的解决方案，但如果应用于以前从未见过的问题则非常糟糕。俗话说三个臭皮匠赛过诸葛亮，随机森林就利用了多个决策树，来应对多种不同场景。
2019-04-19 14:38:027526 
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。
2020-01-19 17:06:007325 决策树模型是白盒模型的一种，其预测结果可以由人来解释。我们把机器学习模型的这一特性称为可解释性，但并不是所有的机器学习模型都具有可解释性。
2020-07-06 09:49:063073 
决策树易于理解和解释，可以可视化分析，容易提取出规则。
2020-08-27 09:50:0716400 像上面的这样的二叉树状决策在我们生活中很常见，而这样的选择方法就是决策树。机器学习的方法就是通过平时生活中的点点滴滴经验转化而来的。
2020-10-10 10:44:192316 
决策树是机器学习中使用的最流行和功能最强大的分类算法之一。顾名思义，决策树用于根据给定的数据集做出决策。也就是说，它有助于选择适当的特征以将树分成类似于人类思维脉络的子部分。
2021-01-13 09:37:411207 
本文将介绍决策树的基本概念、决策树学习的3个步骤、3种典型的决策树算法、决策树的10个优缺点。
2021-01-27 10:03:202145 
所有的机器学习算法中，决策树应该是最友好的了。它呢，在整个运行机制上可以很容易地被翻译成人们能看懂的语言，也因此被归为“白盒模型”。
2021-01-29 09:36:407100 
在决策树中，可能有多个特征，但是一些特征是无关重要的，一些则是对分类（target）起到决定作用的。
2021-02-18 10:06:293815 
决策树是一种解决分类问题的算法，本文将介绍什么是决策树模型，常见的用途，以及如何使用“亿图图示”软件绘制决策树模型。
2021-02-18 10:12:2011970 
决策树（DecisionTree）是机器学习中一种常见的算法，它的思想非常朴素，就像我们平时利用选择做决策的过程。决策树是一种基本的分类与回归方法，当被用于分类时叫做分类树，被用于回归时叫做回归树。
2021-03-04 10:11:137773 为优化针对非均衡数据的分类效果，结合犹豫模糊集理论与决策树算法，提出一种改进的模糊决策树算法。通过 SMOTE算法对非均衡数据进行过采样处理，使用K- means聚类方法获得各属性的聚类中心点，利用
2021-06-09 15:51:475 基于遗传优化决策树的建筑能耗预测模型
2021-06-27 16:19:136 大数据————决策树（decision tree） 决策树（decision tree）：是一种基本的分类与回归方法，主要讨论分类的决策树。 在分类问题中，表示基于特征对实例进行分类的过程，可以
2022-10-20 10:01:36822 这六种算法分别是：线性回归、逻辑回归、梯度下降、神经网络、决策树与k均值聚类算法。
2022-11-04 10:18:06659 本文是决策树的第三篇，主要介绍基于 Boosting 框架的主流集成算法，包括 XGBoost 和 LightGBM。
XGBoost
2023-02-17 15:57:58739 
本文是决策树的第三篇，主要介绍基于 Boosting 框架的主流集成算法，包括 XGBoost 和 LightGBM。
XGBoost
2023-02-17 15:58:02448 
本文是决策树的第三篇，主要介绍基于 Boosting 框架的主流集成算法，包括 XGBoost 和 LightGBM。
XGBoost
2023-02-17 15:58:052251 
同质集成:只包含同种类型算法，比如决策树集成全是决策树，异质集成:包含不同种类型算法，比如同时包含神经网络和决策树
2023-02-24 16:37:28624 
文章目录1. 第一章行为决策在自动驾驶系统架构中的位置 2. 行为决策算法的种类 2.1 基于规则的决策算法 2.1.1 决策树 2.1.2 有限状态机（FSM） 2.1.3 基于本体论
2023-06-01 16:24:310 电子发烧友网站提供《决策树引擎解决方案.pdf》资料免费下载
2023-09-13 11:17:520
电子发烧友App
工商网监
湘ICP备 2023018690 号
评论