decision-tree

    1热度

    2回答

    如何设置matlab后验概率决策树的最大深度？

    我该如何构建一个具有我想要的深度的树？例如，我想创建一个只有3个深度的决策树。 load ionosphere treeModel = fitctree(X,Y) view(treeModel) view(treeModel,'mode','graph') 此代码创建7深度树。我使用相同的数据集，但我想创建具有3或2深度的树。我如何在matlab上做？
    matlab decision-tree 2017-11-11

    0热度

    1回答

    用RID中的CHAID做预测

    我用CHAID构建了一个模型。现在我想用它来预测一个变量 - 像我将与树（）或软件rpart（）做到这一点： MA_CHAID <- chaid(Data$target ~ Data$factor1 + Data$factor2, control = chaid_control(minprob = 0.001, minsp
    r decision-tree predict 2017-11-25

    0热度

    1回答

    只有一些属性显示在我的决策树与Matlab fitctree

    我需要建立一个与Matlab的决策树。我使用fitctree函数。我的数据集包含27个预测器和4个输出（类标签），可能是{2; 3; 5; 7}。但是，当我绘制树时，我只能得到2个属性（使用3级树），您可以在this picture上看到。 我错过了决策树理论的东西吗？ 我应该使用一袋树木吗？如果是这样，为什么这是解决方案，我应该绘制多少棵树？如何解读信息？ 我真的很感谢你， Iconoclast
    matlab decision-tree 2017-10-09

    2热度

    1回答

    如何处理Spark中最新的随机森林中的分类特征？

    在随机森林的Mllib版本中，有可能使用参数categoricalFeaturesInfo 指定具有名义特征（数值但仍为分类变量）的列什么是ML随机森林？在用户指南there is an example使用VectorIndexer的类别特征转换矢量为好，但它的写有“自动识别类别特征，并对其进行索引” In the other discussion of the same problem我发现数值
    apache-spark apache-spark-mllib random-forest decision-tree feature-engineering 2017-10-15

    0热度

    1回答

    当rpy2使用rpart时出现不一致的数组错误

    我在python 3.5上使用rpart和rpy2（版本2.8.6），并且想要训练一个用于分类的决策树。我的代码段如下所示： import rpy2.robjects.packages as rpackages from rpy2.robjects.packages import importr from rpy2.robjects import numpy2ri from rpy2.rob
    arrays numpy python-3.5 decision-tree rpy2 2017-10-17

    0热度

    1回答

    Weka软件决策树

    安装Weka 3.8后，在资源管理器中加载一个.csv文件，我想用参数“use training set”构建一个决策树。 一切都被安装好（对于包括Oracle的64位Java VM 1.8的64位Windows自解压可执行文件） 加载罚款，因为它以前保存，使用Excel中的文件，如昏迷分隔。 问题在于建立决策树本身：我进入选项卡分类，选择测试选项“使用训练集”并开始。 开始后，出现一个特定的结果
    weka decision-tree 2017-10-17

    -2热度

    1回答

    增益/分割计算后，决策树以相同的给定树结束？

    我在课堂上给了一个带有样本数据的决策树来解决。在用提供的样本数据计算获得/拆分树之后，我最终得到了与问题中相同的树。 如果我结束了与问题中给出的相同的树，这是否意味着没有更多的信息增益，并且所有内容都被正确地分类？ 我只想知道背后的概念，如果给予我们的决策树最终与我的解决方案一样。
    math machine-learning artificial-intelligence decision-tree entropy 2017-10-17

    -2热度

    1回答

    计算混淆矩阵

    我从三个双变量高斯密度生成随机数据点如下。 set1 <- rmvnorm(n = 100, mean = c(0, 1.5), sigma = matrix(c(1,.2,.2,3.2),nrow=2)) 我生成了三组随机数据点，我需要计算混淆矩阵。我无法找到如何产生抵抗。 我检查了在线来源，但找不到任何解决方案。你有任何推荐或代码？
    r machine-learning decision-tree confusion-matrix 2017-10-19

    -1热度

    1回答

    决策树直觉一个热编码数据

    在试图了解决策树如何scikit表现为onehot编码数据我有以下几点： X = [[1,0,1] , [1,1,1]] Y = [1,2] clf = tree.DecisionTreeClassifier(criterion='entropy') clf = clf.fit(X, Y) print(clf.predict([1,0,1])) print(clf.predict([
    python scikit-learn decision-tree 2017-11-03

    2热度

    3回答

    确定为什么要素在决策树模型中很重要

    经常利益相关者不希望有一个很好的预测黑箱模型;他们希望了解有关功能的深入了解，以便他们能够向其他人解释。 当我们检查xgboost或sklearn渐变增强模型的特征重要性时，我们可以确定特征的重要性......但我们不明白为什么这些特征很重要，是吗？ 有没有办法解释不仅是什么功能重要，而且为什么它们很重要？ 我被告知使用shap但即使运行一些样板实例抛出错误，所以我在寻找替代品（或者甚至只是一个程
    python machine-learning scikit-learn decision-tree xgboost 2017-11-04
最新问题