kt4ngw的博客

索引1.问题引入2.信息增益1.问题引入首先，我们引入需进行学习的数据集，如下，接着摆在我们面前的是首先选择哪个特征，其次选择哪个特征，…，最后选择哪个特征。（就是先选择好的特征，再选择坏的特征）问题引入： 怎么知道特征的好坏呢？我们猜想，如果一个特征A 能使得数据分出来的类别最好，那么他就是最好的特征。（就是提供的信息最为准确），因此我们引入信息增益来衡量提供的信息准确度。2.信息增益...

1.随机森林回归1.1数据集此处采用波士顿房价数据集(可直接调用)，训练特征为13个，输出标签为MEDV。数据截图如下，1.2 代码实现from sklearn.ensemble import RandomForestRegressorimport numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签plt.rcParams['axes.unicode_mi

1.代码import pandas as pdfrom io import StringIOfrom sklearn import linear_modelimport matplotlib.pyplot as plt# 房屋面积与价格历史数据(csv文件)csv_data = 'square_feet,price\n150,6450\n200,7450\n250,8450\n300,9450\n350,11450\n400,15450\n600,18450\n'# 读入dataframe