决策树模型(1)

阅读: 评论:0

决策树模型(1)

决策树模型(1)

分类

通过已有的训练集,输入相应的模型中训练拟合,在通过检验集进行进行验证,从而预测未知样本类;
常用的分类法有决策树分类,基于规则的分类,神经网络,支持向量机, 朴素贝叶斯分类法,通常每一种分类方法都对应这一种模型算法。决策树模型就是其中的一种学习算法

混淆矩阵

通过将计数存放在混淆矩阵中,根据正确和错误预测来评估模型的性能
| |预测的类 |
| |:类=1 |类=0 |
|实际的类|类=1|:f _11 |: f _10|
| |:类=0|:f _01 |:f _00 |
通过性能度量正确率、错误率来比较不同模型之间的性能
正确率= (f_11 + f _00) / (f _11+f _10+f _01+ f _00)
错误率= (f_01 + f _10) / (f _11+f _10+f _01+ f _00)

决策树原理

import 根节点
if 条件 叶节点elseif 条件叶节点d

建立决策树

<

本文发布于:2024-01-29 00:00:05,感谢您对本站的认可!

本文链接:https://www.4u4v.net/it/170645761011249.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

标签:模型   决策树
留言与评论(共有 0 条评论)
   
验证码:

Copyright ©2019-2022 Comsenz Inc.Powered by ©

网站地图1 网站地图2 网站地图3 网站地图4 网站地图5 网站地图6 网站地图7 网站地图8 网站地图9 网站地图10 网站地图11 网站地图12 网站地图13 网站地图14 网站地图15 网站地图16 网站地图17 网站地图18 网站地图19 网站地图20 网站地图21 网站地图22/a> 网站地图23