决策树相关算法理解
来源:互联网 发布:有网站源码怎么建站 编辑:程序博客网 时间:2024/05/22 15:06
1)C4.5算法
该算法运用信息增益率作为决策树的根节点与叶节点的选择标准。
信息增益率可以理解为:某一属性介入参考后,对于最后判定结果的贡献程度。
更细化一些,在香农的信息论中,信息是一系列不确定因素的集合。即不确定因素越多,信息量越大。基于这一点,信息增益率亦可理解为:某一属性介入参考后,对于结果属性判定的信息量的减少比率。
基于这个理论,引出公式:
属性的信息增益率 = 属性信息熵增益 / 属性信息熵
注:单考虑熵增益是不够的。一般经验中,属性的可能性越多,熵就越高,但很多时候该属性并不能为结果做出很多贡献。因此为了削弱这一劣势,需要除以其原先的信息熵作为增益。
未完待续。
阅读全文
0 0
- 决策树相关算法理解
- 决策树归纳分类算法理解
- 决策树中的id3算法理解
- 决策树算法(一)-相关概念
- 通俗理解决策树算法中的信息增益
- 数据挖掘之决策树算法ID3算法的相关原理
- 机器学习算法:决策树、聚类算法和回归理解
- 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
- 决策树算法
- 决策树算法
- 分析Linux内核创建一个新进程的过程
- 【当沟通无效时:接受失望,并表达…
- 【如何改变爱说葬话的儿子?】孩子…
- Maven一些总结
- 【爸妈老了以后呢?】愿愿我跟你说…
- 决策树相关算法理解
- 【男生遇到女主管:帅不一定加分,…
- 【五个方法让你道歉时说到对方心坎…
- JAVA设计模式(十六)----迭代模式
- 【为什么别人总是不了解我,或是误…
- Android仿微信红包
- 【3个必知的恋爱心理学原理】恋爱…
- 【别强求不属于你的爱,他的「已读…
- vue 基本操作