- 博客(2)
- 收藏
- 关注
RSS订阅原创 支持向量机可视化
支持向量机可视化 以《机器学习》书中的数据为例，绘制决策边界，并对支持向量进行标注 data = np.array( [[0.697, 0.460, 1], [0.774, 0.376, 1], [0.634, 0.264, 1], [0.608, 0.318, 1], [0.556, 0.215, 1], [0.403, 0.237, 1], [0.481, 0.149, 1],
2021-03-27 00:11:34
624
2
原创 使用信息增益构建决策树
使用信息增益构建决策树 包含了离散变量与连续变量 def calculate_ent(Dataset): num_total = len(Dataset) LabelsCount = {} for FeatureVector in Dataset: CurrentLabel = FeatureVector[-1] if CurrentLabel not in LabelsCount.keys(): LabelsCount[Cur
2021-03-17 23:20:03
720
2
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