@決策樹 / 博客 RSS 訂閱

Nov 18 2025

mob64ca1413c518 - spark 決策樹剪枝 spss決策樹剪枝

決策樹——剪枝 本篇是決策樹系列的第二篇，介紹一下決策樹的剪枝過程。過擬合是決策樹構建過程中常見的問題，信息失衡、噪聲等問題都會導致過擬合，剪枝則是提高決策樹模型泛化能力的重要手段，下面對常用的剪枝方法作一些介紹。 1.預剪枝 決策樹系列第一篇《分類：決策樹——樹的生長》中提到過，樹的生長是一種“完全”式的生長，終止條件也僅有“所有的樣本屬於同一類，

spark , 結點 , 誤分類 , 決策樹 , spark 決策樹剪枝 , 大數據 , 子樹

收藏 評論

Nov 11 2025

Aceryt - 淺顯易懂的機器學習（七）—— 決策樹分類

在機器學習的分類算法裏，有一類算法特別 “直觀”—— 它不用複雜的概率計算，也不用繞人的公式，而是像我們日常生活中的 “判斷流程” 一樣，一步一步得出結論。它就是決策樹（Decision Tree）。 本文會從一個真實的銀行貸款場景切入，幫你看懂決策樹的判斷邏輯，再抽象出決策樹的核心定義和結構，終於講清它如何幫我們解決分類問題。全程無複雜公式，純入門友好，看完就能學會 “用

機器學習 , 決策樹 , 服務器 , 數據 , Windows Server

收藏 評論

Nov 28 2025

mob64ca1403528a - 頭歌 機器學習 決策樹 信息熵與信息增益

決策樹的幾個常用算法：ID3, C4.5和CART算法 原理： 要對數據進行分類，涉及到通過選取什麼樣的特徵對數據進行分類，比如將柚子和西瓜進行分類，可以選取（大小、顏色、甜度等特徵） 決策樹的功能就是判斷使用哪個特徵，然後選取他認為最好的特徵對數據進行分類。 那麼他是如何選取最好的特徵呢？ 對於ID3（選取信息增益最大的特徵），C4.5（選擇信息增

機器學習 , 決策樹 , 數據 , 信息增益 , 人工智能

收藏 評論