Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka
Đang tạo bản xem trước...
Ghi chú bài giảng về cây quyết định (decision trees) trong khóa học Máy học, bao gồm thuật toán, độ đo (entropy, Gini), cắt tỉa và cây hồi quy.
Mô tả
STAT 479: Machine Learning Lecture Notes Sebastian Raschka Department of Statistics University of Wisconsin–Madison http://stat.wisc.edu/∼sraschka/teaching/stat479-fs2018/ Fall 2018 Contents 6 Decision Trees 6.1 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 6.1.1 Terminology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 6.1.2 Machine Learning Categories . . . . . . . . . . . . . . . . . . . . . . . 2 6.1.3 Relationship Between Decision Trees and Rule-based Learning . . . . 2 6.2 Divide-and-Conquer and Recursion . . . . . . . . . . . . . . . . . . . . . . . . 3 6.3 General Decision Tree Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . 4 6.4 Time Complexity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 6.5 ID3, C4.5, CART . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 6.5.1 General Differences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 6.5.2 ID3 – Iterative Dichotomizer 3 . . . . . . . . . . . . . . . . . . . . . . 6 6.5.3 C4.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.5.4 CART . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.5.5 Others . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.6 Information Gain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 6.7 Information Theory and Entropy . . . . . . . . . . . . . . . . . . . . . . . . . 8 6.8 Why Growing Decision Trees via Entropy or Gini Impurity instead of Misclassification Error? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 6.9 Gini Impurity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 6.10 Improvements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 6.10.1 Grain Ratio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 6.1
Tóm tắt AI
- Tên tài liệu
- Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka
- Trường / Môn
- University Wisconsin-Madison · Machine learning
- Nội dung
- Tài liệu cung cấp kiến thức chi tiết về Cây quyết định, từ khái niệm cơ bản, thuật ngữ, các thuật toán chính (ID3, C4.5, CART), đến các phương pháp đo lường hiệu quả và xử lý overfitting, cùng ứng dụng trong bài toán hồi quy.
- Mục lục
- 6 Decision Trees
- 6.1 Introduction
- 6.1.1 Terminology
- 6.1.2 Machine Learning Categories
- 6.1.3 Relationship Between Decision Trees and Rule-based Learning
- 6.2 Divide-and-Conquer and Recursion
- 6.3 General Decision Tree Algorithm
- 6.4 Time Complexity
- 6.5 ID3, C4.5, CART
- 6.5.1 General Differences
- 6.5.2 ID3 – Iterative Dichotomizer 3
- 6.5.3 C4.5
- 6.5.4 CART
- 6.5.5 Others
- 6.6 Information Gain
- 6.7 Information Theory and Entropy
- 6.8 Why Growing Decision Trees via Entropy or Gini Impurity instead of Misclassification Error?
- 6.9 Gini Impurity
- 6.10 Improvements
- 6.10.1 Grain Ratio
- 6.11 Overfitting
- 6.11.1 Pre-Pruning
- 6.11.2 Post-Pruning
- 6.12 Decision Tree for Regression
- 6.13 Summary
- 6.13.1 Pros and Cons of Decision Trees
- Số trang
- 18 trang
- Người đăng
- Uni24h
Câu hỏi thường gặp
Tài liệu này có miễn phí không?
Có. “Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka” miễn phí — bạn chỉ cần đăng nhập rồi bấm Tải xuống để lấy file gốc.
Tài liệu dài bao nhiêu trang?
Tài liệu gồm 18 trang, thuộc môn Machine learning. Bạn có thể xem trước online trước khi tải.
Tôi có thể xem trước trước khi tải không?
Có. Bạn xem trước tài liệu ngay trên trang này bằng trình đọc online, rồi quyết định tải về.
Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka
Đang tạo bản xem trước...
STAT 479: Machine Learning Lecture Notes Sebastian Raschka Department of Statistics University of Wisconsin–Madison http://stat.wisc.edu/∼sraschka/teaching/stat479-fs2018/ Fall 2018 Contents 6 Decision Trees 6.1 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 6.1.1 Terminology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 6.1.2 Machine Learning Categories . . . . . . . . . . . . . . . . . . . . . . . 2 6.1.3 Relationship Between Decision Trees and Rule-based Learning . . . . 2 6.2 Divide-and-Conquer and Recursion . . . . . . . . . . . . . . . . . . . . . . . . 3 6.3 General Decision Tree Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . 4 6.4 Time Complexity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 6.5 ID3, C4.5, CART . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 6.5.1 General Differences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 6.5.2 ID3 – Iterative Dichotomizer 3 . . . . . . . . . . . . . . . . . . . . . . 6 6.5.3 C4.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.5.4 CART . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.5.5 Others . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.6 Information Gain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 6.7 Information Theory and Entropy . . . . . . . . . . . . . . . . . . . . . . . . . 8 6.8 Why Growing Decision Trees via Entropy or Gini Impurity instead of Misclassification Error? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 6.9 Gini Impurity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 6.10 Improvements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 6.10.1 Grain Ratio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 6.1
Đọc toàn bộ tài liệu
- Tên tài liệu
- Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka
- Trường / Môn
- University Wisconsin-Madison · Machine learning
- Nội dung
- Tài liệu cung cấp kiến thức chi tiết về Cây quyết định, từ khái niệm cơ bản, thuật ngữ, các thuật toán chính (ID3, C4.5, CART), đến các phương pháp đo lường hiệu quả và xử lý overfitting, cùng ứng dụng trong bài toán hồi quy.
- Mục lục
- 6 Decision Trees
- 6.1 Introduction
- 6.1.1 Terminology
- 6.1.2 Machine Learning Categories
- 6.1.3 Relationship Between Decision Trees and Rule-based Learning
- 6.2 Divide-and-Conquer and Recursion
- 6.3 General Decision Tree Algorithm
- 6.4 Time Complexity
- 6.5 ID3, C4.5, CART
- 6.5.1 General Differences
- 6.5.2 ID3 – Iterative Dichotomizer 3
- 6.5.3 C4.5
- 6.5.4 CART
- 6.5.5 Others
- 6.6 Information Gain
- 6.7 Information Theory and Entropy
- 6.8 Why Growing Decision Trees via Entropy or Gini Impurity instead of Misclassification Error?
- 6.9 Gini Impurity
- 6.10 Improvements
- 6.10.1 Grain Ratio
- 6.11 Overfitting
- 6.11.1 Pre-Pruning
- 6.11.2 Post-Pruning
- 6.12 Decision Tree for Regression
- 6.13 Summary
- 6.13.1 Pros and Cons of Decision Trees
- Số trang
- 18 trang
- Người đăng
- Uni24h
Bình luận (0)
Chưa có bình luận nào. Hãy là người đầu tiên!
Eval algo notes (11) (Các kiểm định thống kê và so sánh thuật toán) - Sebastian Raschka
Refresher probabilities statistics (Xác suất và thống kê cho Machine Learning) - Afshine Amidi and Shervine Amidi
Ensembles notes (07) (Các phương pháp học ensemble) - Sebastian Raschka
Super cheatsheet machine learning (Khái niệm và công thức chính trong học máy) - Afshine Amidi and Shervine Amidi
Cheatsheet Deep Learning (Khái niệm chính về học sâu) - Afshine Amidi and Shervine Amidi
Chương 7.Cơ học lượng tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 6.Quang học lượng tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 5.Thuyết tương đối - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 4. Tán xạ ánh sáng - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 3.Phân cực ánh sáng - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Bình luận (0)
Chưa có bình luận nào. Hãy là người đầu tiên!