-
-
-
python决策树代码
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。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。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度，使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。
-
jaudiotagger-2.2.5.jar多媒体开发包
...
支持读取和写入mp4，m4a和m4p（受保护）文件，包括多个图像和反向dns字段
完全支持Dsf，Aif和Wav格式的ID3标签
还支持旧式Wav Info标记
支持多页Ogg Vorbis评论
支持MP3 ID3v1，ID3v11，ID3v2.2，v2.3和v2.4是透明的
允许在ID3标签版本之间轻松转换
支持Flac，包括嵌入式和链接图像支持
提供大多数字段的正确对象表示，而不是简单的字节表示
完全 ...
-
sklearn0.19中文文档
... 合
1.10. 决策树
1.10.1. 分类
1.10.2. 回归
1.10.3. 多值输出问题
1.10.4. 复杂度分析
1.10.5. 实际使用技巧
1.10.6. 决策树算法: ID3, C4.5, C5.0 和 CART
1.10.7. 数学表达
1.10.7.1. 分类标准
1.10.7.2. 回归标准
1.11. 集成方法
1.11.1. Bagging meta-estimator（Bagging 元估计器 ...
-
决策树实战代码
决策树实战代码，利用ID3算法进行建树，并可视化决策树，最终用于隐形眼镜的分类问题。
-
机器学习09--决策树02
ID3算法的核心是在决策树各个结点上对应信息增益准则选择特征，递归地构建决策树。从根结点(root node)开始，对结点计算所有可能的特征的信息增益，选择信息增益最大的特征作为结点的特征，由该特征的不不同取值建立子节点；再对子结点递归地调用以上方法，构建决策树；直到所有特征的信息增益均很小或没有特征可以选择为⽌止，最后得到一个决策树。
-
基于C++的决策树实现
基于C++的决策树实现，主要算法是西瓜书上面的ID3。将决策树封装成一个类，很容易进行移植。但可能数据结构选择上有些许不合适，大神慎重下载。
-
机器学习算法笔记
本文总结博客中关于机器学习十大算法的详细过程，进行汇总，包括广义线性模型、softmax 回归 、逻辑回归、梯度下降法、Logistic 回归与牛顿迭代法、两种梯度下降法、相对熵（KL 散度）、K-Means 聚类算法 、朴素贝叶斯分类、决策树之 ID3 算法 、决策树之 C4.5 算法、 决策树之 CART 算法、随机森林、K-D 树、KNN 算法、BFGS 算法、L-BFGS 算法、文本特征属性选择。
十九、矩阵求导解最小二乘问题
二十、局部加权回归
二十一、最小二乘的概率解释
-
matlab实现决策
matlab实现的ID3-分类决策树-算法
matlab实现决策树cart算法
决策树C4.5算法matlab源代码(完美运行)
-
JMF670H SSD开卡工具
... Name05=SanDisk
Name06=Mira
; generate by:1.25, for 667B
; [X] [V] [X] [X]
; [V] [X] [X]
; flashUniName, flashFullName, flashcode, CE, ECC, ID0,ID1,ID2,ID3,ID4, CopyBack, NewFlash, ExtendBlock, DieOffsetUnit, PairPage, FlashInterface, OnePlane, Endurance
-
Go To English Version 超过100万源码资源，1000万源码文件免费下载
