qq_55342245的博客

机器学习常见数据集下载数据集下载从sklearn库中获取数据集机器学习用到数据集都在UCI上面，做个笔记方便自己找。UCI官网（老版本）：https://archive.ics.uci.edu/ml/index.phpUCI官网（新版本）：https://archive-beta.ics.uci.edu/数据集下载下面这些数据的下载地址都是老官网。鸢尾花数据集：https://archive.ics.uci.edu/ml/datasets/Iris红酒数据集：https://archive.i

Pycharm生成决策树Pycharm生成文字化的决策树实现生成决策树图安装Graphviz并配置环境变量解决中文乱码部分解决保存为pdf文件红酒数据集下载地址：https://archive.ics.uci.edu/ml/datasets/WinePycharm生成文字化的决策树以下代码在jupyter中可以直接生成，但是在Pyharm中生成的结果是用文字形式表示的树模型。import pandas as pdfrom sklearn import treefrom sklearn.model

混淆矩阵

条件概率：P(A∣B)=P(AB)P(B)P(A|B)=\frac{P(AB)}{P(B)}P(A∣B)=P(B)P(AB)​（B事件发生的条件下，A事件发生的概率）推导：由 P(A∣B)=P(AB)P(B)P(A|B)=\frac{P(AB)}{P(B)}P(A∣B)=P(B)P(AB)​，P(B∣A)=P(AB)P(A)P(B|A)=\frac{P(AB)}{P(A)}P(B∣A)=P(A)P(AB)​ 可得    P(A∣B)=P(B∣A)×P(A)P(B)P(A|B)=\fra

信息熵，信息增益实例一实例一样本D如下（一共15条数据）：样本信息熵：H(D)=−(915log⁡2915+615log⁡2615)=0.97095H(D)=-(\frac{9}{15}\log_{2}\frac{9}{15}+\frac{6}{15}\log_{2}\frac{6}{15})=0.97095H(D)=−(159​log2​159​+156​log2​156​)=0.97095求样本信息熵时，只看类别这一列。因为其他的都是列都是特征列，是决定类别值的因素。年龄的信息增益：G(