决策树和随机森林
来源:互联网 发布:三维汽车设计软件 编辑:程序博客网 时间:2024/04/28 00:15
决策树->随机森林;
随机森林的难点是如何建立决策树;
根节点ROOT:1,2,3。。。N个样本,给定规则(选取特征)给ROOT进行分类,假设分成C_1,C_2,如果是连续直接分类,如果是连续,那么给定阈值进行分类,递归形成的树,即是决策树,多个决策树即形成随机森林;
决策树:CART:classification and regression tree;
决策树:训练速度快,使用场景多;
熵是度量随机变量不确定性的量,越小随机性越小,越大表示随机性越大,也可表示其蕴含的信息量;
事件发生的概率越小,其蕴含的信息量越大,熵越大;
香浓定理:信息熵,
H(X),H(Y),H(X,Y)
条件熵:
H(Y|X)=H(X,Y)-H(X)=
给定均值后:均匀分布熵最大;
给定均值和方差后:正态分布熵最大;
相对熵:互熵,交叉熵,鉴别信息,kullback熵,kullback-leible散度;
用来度量两个随机变量的距离;
p(x),q(x)是X中取值的两个概率分布,则p对q的相对熵是:
互信息:两个随机变量X,Y的互信息,定义为X,Y的连个分布和独立分布乘积的相对熵;
I(X,Y)=D(P(X,Y)||P(X)P(Y))=
H(Y)-I(X,Y)=H(Y|X)
I(X,Y)=H(X)+H(Y)-H(X,Y)
H(X|Y)<=H(X);
阅读全文
0 0
- 决策树和随机森林
- 决策树和随机森林
- 决策树和随机森林
- 决策树和随机森林算法
- R语言之决策树和随机森林
- 机器学习之决策树和随机森林
- 决策树、随机森林简单原理和实现
- 机器学习-决策树和随机森林
- 决策树、装袋、提升和随机森林
- 机器学习--决策树和随机森林简介
- 决策树与随机森林
- 决策树之随机森林
- 决策树,随机森林
- 决策树与随机森林
- 决策树与随机森林
- 决策树与随机森林
- 决策树与随机森林
- 决策树和opencv实现,随机森林,随机蕨
- win32开发(mdi应用)
- Excel在统计分析中的应用—第十一章—相关分析-简单线性相关-相关系数为异于零的常数的检验
- redis requires Ruby version >= 2.2.2
- HTTP Status 405
- xynuoj 幂字符串
- 决策树和随机森林
- 那些年我们一起踩过的坑之“==”和“equals”的区别
- 简析include指令和include动作
- Zynq-启动时串口不打印信息
- 关于虚表的疑惑与证实
- Eclipse中创建maven新项目JDK版本改为默认是1.7的方法
- IntelliJ IDEA 2017 破解方法
- 单例模式(汇总)
- Java序谈之通讯录制作