【深度学习基础-03】决策树算法-熵如何计算举例

本文介绍了决策树的基础知识,包括其在机器学习中的作用、决策树的实例以及熵的概念。详细讲解了熵的计算公式,并通过示例展示了如何根据熵选择节点。此外,还提到了ID3算法的递归划分过程及其停止条件,以及与其他算法如C4.5和CART的区别。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

0 机器学习中分类和预测算法的评估:

1 什么是决策树/判定树decision tree? 

2 决策树“买电脑”实际例子

3.1熵(entropy)概念:

4 决策树归纳算法(ID3)

4.1递归算法:

5 其他算法


0 机器学习中分类和预测算法的评估:

  • 准确率
  • 速度
  • 强壮性
  • 可否规模性
  • 可否解释

1 什么是决策树/判定树decision tree? 

决策树是一种类似流程图的树结构:其中,每一个内部结点表示在一个属性上的测试,每个分支代表一个属性输出,而每个树叶结点代表类或类分布。树的最顶层是根结点。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值