搜索资源列表
CART
- 此为机器学习算法中的决策树方法之一CART，也是决策树的基本算法-This is the machine learning algorithm, one of the decision tree method CART, is the basic decision tree algorithm
The-programming-collective-wisdom
- 《集体智慧编程》(programming collective intelligence building smart web 2.0 applications)以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数
ID3-dision-tree-
- matlab 代码 机器学习算法 决策树算法id3算法 -matlab id3 算法
C4.5
- C4.5 算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法. C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进： 1) 用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足； 2) 在树构造过程中进行剪枝； 3) 能够完成对连续属性的离散化处理； 4) 能够对不完整数据进行处理。 C4.5算法有如下优点：产生的分类规则易于理解，准确率较高。其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描
code
- 机器学习 R语言对与数据进行分类，包括决策树，SVM，贝叶斯，percepttron等算法。需要注意之前要安装相应的R工具包。具体工具包名称百度一下就能容易获取。-R for language and machine learning to classify data, including decision trees, SVM, Bayesian, percepttron algorithm. To install the appropriate R toolkit before need t
Mechine_Learning
- 该功能包含决策树、随机森林、SVM机器学习算法，并在VS环境下实现并测试。-This function contains the decision tree, random forests, SVM machine learning algorithms, and implement and test in VS environment.
randomForest_4.6-12.tar
- 在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。 而 "Random Forests" 是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林(random decision forests)而来的。这个方法则是结合 Breimans 的 "Bootstrap aggregating" 想法
Chapter_2.1.1.3
- 贝叶斯算法、决策树、神经网络等算法的简单python实现(Bias algorithm, decision tree and neural network)
chapter28
- 机器学习的决策树问题算法matlab实现，有注释和源码(Machine learning decision tree algorithm matlab implementation, with notes and source code)
Random Forest
- 在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。 而 "Random Forests" 是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林（random decision forests）而来的。这个方法则是结合 Breimans 的 "Bootstrap aggregating" 想法