分类知识的获取是数据挖掘要实现的重要任务之一，其核心问题是解决分类模型的构造和分类算法实现。本文以决策树分类方法中有代表性的方法C4．5为例，介绍数据挖掘中一种分类方法一决策树分类方法及其构建和应用研究。
上传时间： 2014-01-09
上传用户：ippler8
数据挖掘sql server 2005算法，包括神经网络、时间序列、决策树
上传时间： 2014-01-16
上传用户：fanboynet
本程序是基于linux系统下c++代码，实现了一个决策树算法
上传时间： 2013-12-15
上传用户：csgcd001
ID3源码，讲述决策树ID3算法的内容，希望能给大家提供一点帮助，给予支持
上传时间： 2013-11-27
上传用户：thuyenvinh
包含了很多分类算法，有SVM，knn，决策树等，还有文档说明
标签： 分类算法
上传时间： 2014-01-15
上传用户：kiklkook
数值型随机森林R代码，供数值型数据进行决策树构建
上传时间： 2016-10-29
上传用户：友禾步渴
机器学习ID3算法的简单实现， ID3算法是一种贪心算法，用来构造决策树。ID3算法起源于概念学习系统（CLS），以信息熵的下降速度为选取测试属性的标准，即在每个节点选取还尚未被用来划分的具有最高信息增益的属性作为划分标准，然后继续这个过程，直到生成的决策树能完美分类训练样例。
上传时间： 2017-05-11
上传用户：zheng417
机器学习对于改进产品、过程和研究有着很⼤的潜⼒。但是计算机通常无法解释他们的预测，这是采⽤机器学习的障碍。这本书是关于使机器学习模型及其决策可解释的。 在探索了可解释性的概念之后，你将学习简单的、可解释的模型，例如决策树、决策规则和线性回归。后⾯⼏章重点介绍了解释⿊盒模型的模型⽆关的⼀般⽅法，如特征重要性和累积局部效应，以及⽤ Shapley 值和 LIME 解释单个实例预测。 所有的解释⽅法进⾏了深⼊说明和批判性讨论。它们如何在⿊盒下⼯作的？它们的优缺点是什么？ 如何解释它们的输出？本书将使你能够选择并正确应⽤最适合你的机器学习项⽬的解释⽅法。 这本书的重点是表格式数据 (也称为关系数据或结构化数据) 的机器学习模型，较少涉及到计算机 视觉和⾃然语⾔处理任务。建议机器学习从业者、数据科学家、统计学家和任何对使机器学习模型 可解释的⼈阅读本书。
标签： 机器学习
上传时间： 2021-02-08
上传用户：
《统计学习方法》李航第二版，机器学习，人工智能必备基础书籍 内容简介：统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank 算法等。本书是统计机器学习及相关课程的教学参考书，适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生，也可供计算机应用等专业的研发人员参考。
上传时间： 2021-09-01
上传用户：wenxiuyu
使用java技术写的一个图像处理框架,实现了目录树,分割窗格,任务栏图标等技术
上传时间： 2014-01-23
上传用户：lili123
