u014080185的博客

#include #include #include#include#include#include#include#includeusing namespace std;double group[4][2] = { { 1.0, 1.1 }, { 1.0, 1.0 }, { 0, 0 }, { 0, 0.1 } };string labels[4]

数学系研二渣硕一枚，最早接触机器学习还是在研究生一年级的模式识别课程上，发现大部分机器学习的书籍都是采用Python语言，当然Python在数据分析和矩阵计算方面确实会有很大的优势，对于缺乏编程基础又想要快速入门的同学，Python确实是首选。而从本系列开始，我将主要用C++将《机器学习实战》这本书刷一遍，旨在加深对算法理解的同时提高编程能力，也希望能够为想入坑机器学习，同时又热爱C++的人提供一

http://blog.youkuaiyun.com/u010182633/article/details/49423463

算法概述：决策树是用于分类的一种常用方法，根据数据集特征值的不同，构造决策树来将数据集不断分成子数据集，直至决策树下的每个分支都是同一类或用完所有的特征值。决策树的一般流程：（1）收集数据（2）准备数据：树构造算法只适用于标称型数据，因此数值型数据必须离散化，最好转为bool类型。（3）分析数据：寻找能够最好地划分数据集的特征。（4）训练：构造树的数据结构。（5）测试：使用