基础决策树算法
2021/12/19 11:49:33
本文主要是介绍基础决策树算法,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
(原创)
本文讨论机器学习的基础的决策树算法
1.预备知识:信息度量的相关量
(1)信息熵
使用信息熵来度量信息的不确定性
信息熵的数学式为: 加和 -plogp,熵越大,不确定性越大
(2)信息增益,某特征下
信息增益 = 原熵 - 按特征A分割后的熵
信息增益越大的,说明对不确定性的削弱越高,那么应该优先该特征
(3)信息增益率,某特征下
信息增益率:信息增益 / 特征A自身产生的熵,分母用于惩罚特征可能拥有的过多(唯一)的值的情况
(4)基尼系数
基尼系数: 加和 pi(1-pi) ,基尼系数越大,不确定性(不纯)越大
经特征A的取值a分割后的基尼系数 = 分割的两部分基尼系数 的加权平均
2.ID3 决策树
递归选择 信息增益 最大的特征,作为每次分裂的依据
3.C4.5 算法
递归选择 信息增益率 最大的特征
4.CART 算法
递归选择 基尼系数 最小的特征和相应切割值点
这篇关于基础决策树算法的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-06-26结对编程到底难不难?答案在这里
- 2024-06-19《2023版Java工程师》课程升级公告
- 2024-06-15matplotlib作图不显示3D图,怎么办?
- 2024-06-1503-Loki 日志监控
- 2024-06-1504-让LLM理解知识 -Prompt
- 2024-06-05做软件测试需要懂代码吗?
- 2024-06-0514-ShardingSphere的分布式主键实现
- 2024-06-03为什么以及如何要进行架构设计权衡?
- 2024-05-31全网首发第二弹!软考2024年5月《软件设计师》真题+解析+答案!(11-20题)
- 2024-05-31全网首发!软考2024年5月《软件设计师》真题+解析+答案!(21-30题)