Python教程

机器学习和 Python 中的决策树算法

本文主要是介绍机器学习和 Python 中的决策树算法,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!

机器学习和 Python 中的决策树算法

https://pin.it/3jT5pty

→ 决策树是一种树形算法,用于确定行动过程,树的每个分支代表一个可能的决策、发生或反应。

让我们看一下术语:-

熵——熵是数据集中“随机性”或“杂质”的度量。

熵应该很低!

信息增益——它是数据集拆分后熵减少的度量,也称为熵减少。

信息增益应该很高!

叶节点——叶节点承载分类或决策。

根节点——最顶层的决策节点被称为根节点。

示例:- 决策树如何工作?

假设你妈妈告诉你去超市带些口粮。让我们来看看 ;

问题陈述:-根据特征对所有口粮进行分类。

这是清单:大米、小麦、豆类、盐、糖、姜黄粉

让我们确定这个人是否带来了正确的东西。

  • 数据集非常混乱,在这种情况下熵很高。

训练数据集:-

我们必须以信息增益最高的方式构建分割数据的条件。

现在,如果我们看看我们的树;

由于 ,现在每个分支都包含单个标签类型,我们可以说这种情况下的熵已达到最小值。

这棵树现在可以最准确地预测数据集中存在的所有动物类别。

— — — — — — — — — — — — — — — — — — — — — — — — — — — — — —

这就是这篇文章的全部内容,我知道我已经计算了熵和信息增益,对此我很抱歉,但我很快就会在 insha'Allah 上做,还有一些其他的例子。

如果有任何错误请纠正我,我会很高兴学习。

快乐学习!

我的 领英 不要犹豫,联系我

这篇关于机器学习和 Python 中的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!