搜索资源列表
DecisionTree-in-cSharp
- C sharp描述的决策树代码，α-β剪枝算法等，希望能有帮助。-C sharp code described in the decision tree, α-β pruning algorithm, hoping to help.
id3
- 数据挖掘分类规则中的决策树算法中的ID3算法，对于理解数据挖掘有一定的帮助。-Data mining classification rules in the decision tree algorithm ID3 algorithm, is certainly helpful for understanding data mining.
C4.5
- 决策树算法_C实现，主要是数据挖掘领域。-_C Decision tree algorithm to achieve
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
ID3-algorithom
- 这些代码可用于构建ID3算法决策树分类器,之后通过该代码可将收集到的数据以决策树的形式表示出来- U8FD9 u4E3B u4E1 u7801 u53EF u7528 u4E8E u6784 u5EFAID3 u7B97 u6CD2 u51B3 u7B56 u6811 u5206 u7C7B u5668, u4E4B u540E u901A u8FC7 u8BE5 u4E3 u7801 U53EF u5C06 u6536 u96C6 u5
ID3
- 这些代码可用于构建ID3算法决策树分类器,之后通过该代码可将收集到的数据以决策树的形式表示出来，- U8FD9 u4E3B u4E1 u7801 u53EF u7528 u4E8E u6784 u5EFAID3 u7B97 u6CD2 u51B3 u7B56 u6811 u5206 u7C7B u5668, u4E4B u540E u901A u8FC7 u8BE5 u4E3 u7801 U53EF u5C06 u6536 u96C6 u