- 博客(6)
- 收藏
- 关注
RSS订阅原创 决策树详解：从原理到实战分析
一、博客内容结构完全覆盖要求：1. 算法定义 ✅明确定义决策树为基于树形结构的监督学习算法补充了ID3、C4.5、CART等算法变种包含信息增益、基尼系数的数学公式表达2. 算法作用与应用场景 ✅核心作用：分类与回归任务具体应用场景：金融风控、医疗诊断、市场营销、工业生产决策树vs其他算法的对比分析表3. 算法的函数与使用 ✅完整参数说明：criterion、max_depth、min_samples_split等模型构建、训练、评估全流程代码示例注意事项：过拟合处理、数据预处
2025-12-23 20:09:34
953
原创 决策树算法详解与实践应用
决策树是一种基于树形结构的监督学习算法，主要用于分类和回归任务。它通过一系列的判断规则（内部节点）对数据进行分割，最终到达决策结果（叶节点）。其核心思想是递归地将数据集划分为更纯的子集，常用指标有信息增益、基尼不纯度等。决策树作为一种直观、可解释性强的机器学习算法，特别适合需要清晰决策规则的场景。通过本次实践，我们不仅掌握了决策树的原理和sklearn实现，还通过自构数据集验证了其在分类问题上的有效性。需要注意的是，在实际应用中，需仔细调整参数防止过拟合，并结合特征重要性分析优化特征工程。
2025-12-23 19:59:12
257
原创 Python中的 filter() | 函数详解
filter()是 Python 函数式编程的重要工具，适合：数据筛选和过滤操作与 map()、reduce() 配合使用处理大数据集时节省内存最佳实践建议简单条件使用列表推导式（可读性更好）复杂条件或已有判断函数使用 filter()大数据处理优先考虑 filter() 的惰性求值特性考虑使用获取不满足条件的元素通过合理使用 filter()，可以使代码更简洁、高效，特别是在函数式编程和数据处理的场景中。
2025-06-05 09:45:48
2669
原创 商品库存检测
接着定义了一个独立的函数 place_order，它接收一个商品对象 product 和订单数量 order_amount，作用是调用商品对象的 process_order 函数来处理订单，这样将下单操作封装起来，使代码结构更清晰。首先定义了一个 Product 类，它有三个属性：name（商品名称）、stock（库存数量）和 orders（订单列表）。print(f"订单：{order['amount']} 单位 {order['name']}")# 函数：减少库存（订单处理）# 打印库存和订单信息。
2024-12-23 15:01:35
387
原创 定义计算器函数
choose = input("请输入要做的运算：（1：加法 2：减法 3：乘法 4：除法）")print("它们的商为：%d" % (a / b))print("它们的和为：%d" % Add(a,b))print("它们的差为：%d" % (a - b))print("它们的积为：%d" % (a * b))a = int(input("请输入第一个数："))b = int(input("请输入第二个数："))print("除数不能为0")print("无效的输入")
2024-12-14 10:27:15
228
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人