C5(adaTree、BoostTree)决策树算法C#源码,有对话框,,可以直接运行使用。
2023/8/24 11:18:35 302KB C5 决策树 分类 数据挖掘
1
id3算法利用matlab的实现,利用treeplot画出生成的决策树
2023/8/14 6:40:16 36KB id3 matlab
1
决策树(DecisionTree)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。
2023/8/11 22:13:29 5KB 决策树
1
决策树对于数据分类的Python实现,测试集和训练集分别给出,而且数据已经处理好的,
2023/8/4 18:19:21 14.8MB 随机森林
1
分类学习工具箱,里面包含SVM、决策树、Knn等各类分类器,使用非常方便。
2023/8/2 18:57:39 616KB MATLAB
1
java实现的ID3决策树算法改良版,可以随意改变数据源(符合格式就行)
2023/7/29 16:09:14 14KB ID3
1
机器学习,决策树ID3及C4.5算法实现源代码(西瓜数据集2.0测试及结果)
2023/7/17 20:37:31 455KB ID3 C4.5
1
本书是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的,秉承着“理论讲解—案例分析—应用扩展”这一特色,帮助读者更加直观、生动地学习神经网络。
本书共有43章,内容涵盖常见的神经网络(BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等)以及相关智能算法(SVM、决策树、随机森林、极限学习机等)。
同时,部分章节也涉及了常见的优化算法(遗传算法、蚁群算法等)与神经网络的结合问题。
2023/7/14 16:19:12 11.78MB MATLAB 神经网络
1
建模分析师(数据分析师、数据挖掘工程师)理论基础:统计学、概率论、数理统计、多元统计分析、时间序列、数据挖掘(DM)软件要求:Excel、SQL(必要)&SPSSModeler、R、Python、SAS、Weka等(可选)分析方法要求:除掌握基本数据处理及分析方法以外,还应掌握高级数据分析及数据挖掘方法(多元线性回归法、生存分析法、神经网路、决策树、判别分析法、主成分分析法、因子分析法、典型相关分析、聚类分析法、关联规则、支持向量机、bagging、boosting等)和可视化技术。
业务分析能力:可以将业务目标转化为数据分析目标熟悉常用算法和数据结构,熟悉企业数据库架构建设针对不同分析主体,可以熟练的进行维度分析,能够从海量数据中搜集并提取信息通过相关数据分析方法,结合一个或多个数据分析软件完成对海量数据的处理和分析结果展现能力:报告体现数据挖掘的整体流程,层层阐述信息的收集、模型的构建、结果的验证和解读,对行业进行评估,优化和决策。
1
python决策树代码
2023/7/11 8:30:35 8KB 决策树
1
共 133 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡