DWNMD的博客

什么是决策树？ 决策树是一种通过对训练数据进行测算，实现对测试数据进行分类和预测的算法。 决策树通常由3个主要部分组成，分别为决策节点，分支，和叶节点。其中决策树最顶部的决策节点是根决策节点。每一个分支都有一个新的决策节点。决策节点下面是叶节点。每个决策节点表示一个待分类的数据类别或属性，每个叶节点表示一种结果。整个决策的过程从根决策节点开始，从上到下。根据数据的分类在每个决策节点给出不同的结果。 决策树包含很多算法，下面介绍一下常见的ID3、C4.5、CART算法。 ID3算法简介 ID3算法认为“信息增

概念介绍 关联分析又称关联挖掘：发现存在于大量数据集中的关联性或相关性，进行智能推荐。 事务 相当于用户的篮子，篮子里面可能是1项集，也可能是4项集。 项集 篮子里所有的物品构成一个集合。在关联分析中，包含0个或者多个项的集合被称为项集（itemset）。 频繁项集 满足最小支持阈值的所有项集 支持度(support) 项集X的支持度：s(X)=σ(X)/N 规则X==>Y表示前提项目X对结果项目Y的支持度，也就是前提项目X和结果项目Y同时出现的概率 support(X—>Y)=P（XY）

写在前面 本人python菜鸟，最近在学习机器学习。因为实在太菜，代码里的有些函数不太懂，希望能够边写边加深理解吧。 我用的学习资料是MLP_机器学习实战，资源放在下面，有需要的童鞋可以自行下载哈~~ https://pan.baidu.com/s/1jbFZ2YMrC7X2ZvJJJbL0hA 提取码：gjif 概述 k-近邻算法采用测量不同特征值之间的距离方法进行分类。 优点：精度高、对异常值...