决策树算法优化(三)
来源:互联网 发布:淘宝模板代码怎么使用 编辑:程序博客网 时间:2024/05/17 07:42
在数据量很小的情况下,使用决策树能够很快的对数据进行分类,如果数据量大的话,构造决策树将耗费大量的时间,如果用创建好的决策树来进行分类能很好的解决这个问题。
使用pickle存储决策树,使用的时候直接读取。
def storeTree(inputTree,filename): fw=open(filename,'wb') pickle.dump(inputTree,fw) fw.close()def grabTree(filename): fr=open(filename,'rb') data=pickle.load(fr) fr.close() return datastoreTree(mytree,'mytree.pkl')grabTree('mytree.pkl')
0 0
- 决策树算法优化(三)
- 决策树(三)cart算法
- Python机器学习(三)--决策树算法
- 机器学习算法之决策树(三)
- 机器学习(三)决策树算法Decision Tree
- Python机器学习(三)--决策树算法
- 算法仓库(三) 决策树分类
- 机器学习(三):分类算法之决策树算法
- 最优化算法(三)
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- Linux学习笔记-001
- Job aborted due to stage failure: Total size of serialized results of 31 tasks (1043.8 MB) is bigger
- UVA 12186 树上dp入门
- 【二进制、字符串】UVA
- 28. Implement strStr()
- 决策树算法优化(三)
- python
- TypeError: unsupported operand type(s) for +: 'int' and 'str'
- 剑指offer——旋转数组的最小数字______
- Pytorch入门学习(三)---- NN包的使用
- java入门之超入门
- path-sum-ii
- 初步搭建Unity SteamVR开发环境
- 将Eclipse代码导入到AndroidStudio的两种方式