 | decissiontree.다차원 훈련 데이터 및 F에서 의사 결정 트리를 구성하기위한 순수한 파이썬 구현 ... |
| 지금 다운로드 | |
decissiontree. 순위 및 요약
광고
decissiontree. 태그
decissiontree. 설명
다차원 교육 데이터에서 의사 결정 트리를 구성하고 레이블이없는 데이터를 분류하기위한 의사 결정 트리를 사용하기위한 순수한 파이썬 구현 DeciscodeRee는 다차원 교육 데이터에서 의사 결정 트리를 작성하고 이후의 의사 결정 트리를 사용하여 미래의 데이터를 분류하기위한 파이썬 모듈 구현입니다. 텍스트 파일의 테이블 형식으로 교육 데이터를 테이블의 형식으로 배치했습니다. 이 모듈에 교육 데이터 파일의 이름을 제공하고 귀하의 부분에 많은 노력을 기울이지 않고 나머지는 나머지를 수행합니다. Decision Tree Classifier는 트리 형식으로 배열 된 기능 테스트로 구성됩니다. 루트 노드와 함께 비 표지 된 데이터 벡터에 대해 다른 가능한 클래스 레이블을 최대한 모호하게 해결할 것으로 예상되는 기능 테스트를 연결합니다. 그런 다음 루트 노드를 선택한 기능의 각 값에 대해 루트 노드 집합을 루트 노드에서 멈추십시오. 이러한 각 자식 노드에서 이제 루트 노드에서 기능 테스트를 이미 적용하고 해당 기능의 값을 관찰 한 것으로 주어진 클래스 차별 인 기능 테스트를 선택합니다. 이 프로세스는 트리의 리프 노드에 도달 할 때까지 계속됩니다. 리프 노드는 결정 트리에 대해 원하는 최대 깊이에 해당하거나 Test.Typical 사용 구문을 사용할 수있는 기능이 부족한 경우의 경우에 대응할 수 있습니다. DT = DecisionTree (training_datafile = "training.dat", debug1 = 1) dt. get_training_data () dt.show_training_data () root_node_data () root_node = dt.construct_decision_tree_classifier () root_node.display_decision_tree ( "" "test_sample = classification = dt.classify (root_node, test_sample) 인쇄 "분류 :", 분류 요구 사항 : · 파이썬
decissiontree. 관련 소프트웨어
