决策树标签_亚马逊云科技技术品牌专区

决策树

机器学习决策树

运行截图：性能报告：拒绝贷款1.001.001.003批准贷款1.001.001.004特征重要性：特征重要性2有自己的房子0.601有工作0.400年龄段0.003信贷情况0.00。

qq_21399697
2026-01-19 15:42:51

 511

 12

#机器学习 #决策树 #人工智能
机器学习之决策树

决策树（Decision Tree）是一种基于树形结构的监督学习算法，广泛应用于分类和回归问题。它通过一系列的决策规则将数据集划分为不同的类别或预测连续值。决策树的基本思想是通过一系列的"是/否"问题，将复杂的问题分解为更简单的子问题，最终形成一个树形结构。每个内部节点代表一个特征或属性的测试，每个分支代表测试的结果，每个叶节点代表一个类别或预测值。决策树算法起源于20世纪60年代，由Hunt等人

 dijk
2026-02-10 14:41:10

 533

 4

#机器学习 #决策树 #人工智能
机器学习之决策树算法

这是一种兜底策略它的逻辑是：如果在这个分支下，我们的训练集（经验）是一片空白，那我们就保守一点，认为在这个特定条件下，西瓜的品质更有可能接近我们在上一步看到的整体情况。这就像如果某种新类型的西瓜你没见过，你最合理的猜测就是它跟大多数已知的西瓜一样（在父节点层面是好瓜）。这确保了我们的决策树对所有可能的特征取值组合都有一个预定义的判断路径，避免了遇到新情况时的卡顿。

2301_79197814
2026-03-11 20:24:42

 412

 8

#机器学习 #算法 #决策树
计算机毕业设计之基于Hadoop的小说网站设计

本文探讨了当代信息技术发展背景下，传统管理方式面临的局限性，提出基于Python语言、Django框架和MySQL数据库开发小说网站设计的解决方案。论文将系统阐述该项目的选题背景与意义，详细介绍开发环境、整体设计流程、实现步骤以及系统测试案例，全面展示这一毕业设计的技术实现路径。该系统注重用户友好性和广泛适用性，旨在克服高技术门槛和高维护成本的问题，为网络文学平台提供实用型开发方案。

微信是bishe234
2026-06-09 09:44:16

 192

 2

#决策树 #算法 #机器学习 +1
基于机器学习的智能家居行为跟踪

本文设计并实现了一种基于ESP32和树莓派的智能家居用户行为跟踪系统，利用决策树算法对传感器数据进行分析，实现设备状态预测与自动控制。系统通过分钟级数据采集与周期性训练，能够识别用户日常行为模式，如定时开启电视，并支持多设备扩展。该方案具备低成本、易部署、自更新等优势，有助于提升家居便利性与能源效率。

失眠邮局
2025-10-18 12:54:04

 439

 5

#智能家居 #决策树
Kaggle机器学习初级的三种决策树

决策树黑箱：一般是处于利益考量或者有上亿个参数人类不可学习等因素的模型，比如XGBoostRegressor。

he___H
2025-10-19 00:16:23

 243

 2

#机器学习 #决策树
Python机器学习---5.决策树

在决策树的构建过程中，信息熵被⽤来作为划分属性的依据，通过计算不同属性划分后的信息熵来选择最优划分属性，以使得整个决策树的熵值最⼩，从⽽使得整个决策系统的确定性最⾼。回归任务的标签（值）是连续的，故之前以分类为基础的不纯度度量标准（信息熵，基尼系数与错误率）都不适⽤于回归树，因此，在回归树中，⾃然也就没有信息增益，信息增益率或基尼增益等概念了。决策树学习采⽤的是⾃顶向下的递归⽅法，其基本思想是以

 丁浩666
2025-10-23 19:03:05

 878

 13

#机器学习 #python #决策树
机器学习库的决策树绘制

3.设置决策树参数绘制决策树。2.创建并训练决策树模型。

星星不打烊\n
2025-10-26 12:45:07

 301

 1

#机器学习 #决策树 #人工智能
机器学习分类算法实践：决策树与随机森林分类

摘要本课程介绍了决策树和随机森林两种分类算法。决策树通过递归选择最优特征划分数据集，构建直观的树形模型，但容易过拟合。随机森林作为集成方法，通过构建多棵基于随机子集训练的决策树，显著提升模型准确性和稳定性。课程使用LendingClub借贷数据（2007-2010），包含14个特征变量如信用评分、利率、收入等，目标预测借款人是否全额还款。通过数据可视化和分析发现：FICO信用评分与贷款批准率呈正

 WSSWWWSSW
2025-10-29 18:40:31

 1222

 25

#机器学习 #分类 #决策树 +2
机器学习----决策树

决策树是一种用于分类任务的机器学习模型，通过特征分割构建树形结构来预测目标变量。本文以猫狗分类为例，详细阐述了决策树的构建过程：1. 选择根节点特征（如耳朵形状）进行初始数据分割；2. 递归地在子节点选择最优特征继续分割（如脸型、胡须）；3. 使用熵（H(p1)=-p1log₂p1-p0log₂p0）量化节点纯度，目标是最大化子集纯度；4. 设置停止条件（节点纯度100%、最大深度、最小纯度提升或

 今天会营业
2025-10-30 21:49:31

 1085

 7

#机器学习 #决策树 #人工智能
机器学习实验：决策树算法实现

决策树是一种经典的机器学习算法，广泛应用于分类和回归任务。本实验基于贷款审批场景，使用决策树算法对申请人数据进行分类预测，判断是否应该批准贷款申请。决策树是一种树形结构，其中：内部节点表示特征属性分支代表特征取值叶节点代表分类结果self.feature = feature # 分裂特征索引self.threshold = threshold # 分裂阈值self.left = left # 左子

 栀子.67
2025-10-30 23:34:43

 872

 18

#机器学习 #算法 #决策树
深度学习篇---再看决策树

决策树最早模仿人类"如果-那么"的思考方式（1980s），但存在过拟合、不稳定等问题。2001年诞生的随机森林创新性引入双重随机性：Bootstrap抽样和随机特征选择，使每棵树成为不同"专家"，通过集体投票提高预测精度。其成功在于简单有效、开箱即用的特性，平衡了可解释性与准确性，成为机器学习发展史上的重要里程碑。

Ronin-Lotus
2025-10-30 23:45:02

 1065

 14

#深度学习 #决策树 #人工智能
【机器学习10】项目生命周期、偏斜类别评估、决策树

本文首先概述了机器学习项目的完整生命周期，从项目定义到生产部署（MLOps）。接着，文章深入探讨了在偏斜类别问题中准确率指标的局限性，并详细介绍了精确率、召回率及F1分数作为更有效的评估工具。最后，我们引入了一种全新的分类模型——决策树，并详细阐述了其学习过程，包括如何利用熵和信息增益来构建最佳的树形结构。

JJJJ_iii
2025-10-31 20:05:55

 1647

 13

#机器学习 #决策树 #人工智能 +3
【机器学习】基于决策树分类的保险推荐算法

保险产品推荐面临市场多样性、用户特征复杂性和需求差异等挑战。本研究基于5822条用户记录，运用决策树算法预测用户购买房车险的概率。通过数据降维（保留43个关键特征）和样本平衡处理（上采样正例、下采样负例），模型准确率达到79%。结果显示：高收入、有车、高学历等群体更倾向购买该保险，而农场主和低收入群体购买概率较低。决策树模型（CART）表现最优，平衡后F1值达0.837，优于逻辑回归。该研究为保险

 ༀ慕斯冰淇淋༻
2025-11-04 10:47:24

 957

 41

#决策树 #分类 #推荐算法 +3
深度学习-决策树

例子：你正在运营一个猫领养中心，并希望通过几个特征来训练一个分类器，快速判断一个动物是否是猫。特征：耳朵形状（尖的，或下垂），脸形状（圆的，或不圆），是否有胡须（有，或没有）最后得到的结果是二分类，是或者不是什么是决策树树的最顶端的节点称为根节点椭圆的节点，除了根节点，其他称为决策节点（查看特征，然后决定你是向左还是向右走）底部的矩形框，称为叶节点（它们做出预测）有很多不同的决策树。

北顾笙980
2025-11-05 09:27:10

 941

 11

#深度学习 #决策树 #人工智能
探秘AI“智慧”之源：大模型知识嵌入的存储奥秘

摘要：本文探讨了大模型知识存储的核心机制，重点分析了知识嵌入技术如何将现实世界知识转化为高维向量表示。文章揭示了大模型采用分布式与层次化相结合的复杂存储系统，并介绍了知识动态更新的"新陈代谢"过程。通过可视化技术，研究者得以观察大模型内部的知识网络结构。这些精妙的知识存储机制为AI智能化提供了坚实基础，未来将继续推动人工智能的技术进步。

Blossom.116
2025-11-05 11:53:46

 317

 5

#人工智能 #决策树 #算法 +4
INT305 Machine Learning 机器学习 Pt.7 决策树&偏差方差分解（Decision Trees & Bias-Variance Decomposition）

决策树是一种直观且强大的机器学习算法，通过一系列规则（如"如果-那么"）进行分类或回归。它由内部节点（测试特征）、分支（基于特征值）和叶节点（预测结果）组成，适用于分类（离散输出）和回归（连续输出）任务。决策树通过贪心算法构建，选择能最大程度减少损失的特征和分割点。熵用于量化不确定性，信息增益衡量特征对不确定性的减少。尽管决策树是通用函数逼近器，但找到最优树是NP完全问题，需平

 sensen_kiss
2025-11-07 17:34:28

 825

 15

#机器学习 #决策树 #人工智能
【机器学习实战】告别样本不均衡：代价敏感决策树在营销场景的利润最大化实践

在营销场景中，最昂贵的错误不是打扰了一个无意向的客户（FP），而是错过了一个本会转化的高价值客户（FN）。一个FP错误仅损失了单次的营销成本。而一个FN错误意味着我们失去了一个客户带来的整个生命周期价值（客户价值），同时节省了本次的营销成本。因此，净损失是客户价值 - 营销成本。这个公式直接量化了“机会成本”，迫使模型在拿不准时，更倾向于将其预测为“会转化”，从而抓住更多潜在机会。1.从“预测是否

 2401_88090520
2025-11-10 11:43:30

 662

 19

#机器学习 #决策树 #人工智能 +1
Serverless架构下JavaScript高性能后端实践与优化分析

摘要： Serverless架构结合JavaScript可构建高弹性、高性能后端服务。JavaScript在Serverless中优势显著：统一语言栈降低开发成本，事件驱动模型天然匹配异步场景，且生态工具丰富。然而面临冷启动延迟、高并发依赖瓶颈、监控复杂等挑战。优化实践包括减少冷启动体积、并行处理异步任务、数据库缓存优化及性能监控闭环。实际应用中，API响应时间降低30%，并发能力提升40%。未来

 2501_94187145
2025-11-11 01:53:36

 674

 31

#决策树
【机器学习2】简单的决策树模型

使用 scikit-learn 库来创建您的模型。在编码时，这个库被写作 sklearn。Scikit-learn 无疑是处理通常存储在 DataFrame 中的数据类型时最受欢迎的建模库。你的数据集有太多变量，难以完全理解，甚至难以整齐地打印出来。如何将这些令人眼花缭乱的数据缩减到你可以理解的范围呢？我们将从使用直觉选择几个变量开始。下面是一个使用 scikit-learn，定义决策树模型并用

 2301_77108896
2025-11-11 14:22:01

 249

 10

#机器学习 #决策树 #人工智能
机器学习-决策树实战

颇为潦草地完成了这个实验，实际应用中还是多多调用库，即使并不理解其中奥秘。

2403_88297561
2025-11-12 16:40:40

 1267

 16

#机器学习 #决策树 #人工智能
机器学习实验决策树

平台-- Jupyter Note。

wa1cha
2025-11-12 21:23:54

 328

 3

#机器学习 #决策树 #人工智能
机器学习二：决策树构建

决策树算法能有效从数据中学习贷款审批规则，形成可解释的决策模型ID3 和 C4.5 算法在简单数据集上可能产生相同结果，但 C4.5 在处理多取值特征时更稳健可视化的决策树可直接作为业务指南，帮助信贷员快速做出判断。

2401_87831462
2025-11-13 09:08:55

 658

 17

#机器学习 #决策树 #人工智能
【机器学习之决策树剪枝处理】(含手动实现代码)

决策树是机器学习中经典的分类与回归模型，凭借直观的逻辑结构和易解释性，在实际场景中应用广泛。但决策树天生存在过拟合风险—— 随着树的深度增加、分支增多，模型会过度学习训练数据中的细节甚至噪声，导致在新数据上的泛化性能下降。剪枝作为解决这一问题的核心手段，通过合理削减决策树的冗余分支，在降低模型复杂度的同时，实现泛化能力的提升。本文将系统拆解剪枝的核心概念与两种主流策略（预剪枝、后剪枝），提供可直接

 首席bug砖家
2025-11-14 20:10:38

 801

 27

#机器学习 #决策树 #剪枝
计算机毕业设计Python+决策树模型房价预测系统房价可视化房源推荐系统大数据毕业设计(源码+LW+PPT+讲解+教程)

本文介绍了基于Python和决策树模型的房价预测系统开发方案。系统采用CART决策树算法，通过分析面积、房龄等特征实现自动化房价预测。文档详细说明了从数据预处理（包括缺失值处理、分类编码）、模型训练与评估（使用MSE和R2指标），到模型优化（网格搜索调参）和部署（Flask API封装）的全流程实现。系统优势包括解释性强、处理非线性数据能力好，但也存在过拟合风险等局限性。文末提供了扩展方向建议及获

 haochengxu2022
2025-11-15 06:10:44

 457

 20

#python #大数据 #知识图谱 +3
机器学习--决策树算法（筛选病例）

比如，我们用静息心电图的结果来进行划分，分出来三种Normal,ST,LVH,其中病例数分别为552，178，188，可以计算出他们的信息熵的值都为多少。决策树的工作原理就是模拟一棵树的分叉原理，利用这些检测化验数据，把患有心脏病的病例和心脏完全健康的病例正确的分类。如果使用静息心电图的检测结果，来划分全部数据，那么全部的检测数据的不确定性（信息熵的值）能降低多少呢。这份检测结果的数据只有两个，则

 松岛雾奈.230
2025-11-16 19:57:03

 301

 1

#算法 #决策树 #机器学习
大模型训练揭秘：万亿参数背后竟是“疯狂猜词“？程序员必看！

文章以风控视角揭秘大模型本质：它是个"互联网书呆子"，靠吃海量脏数据长大，通过Tokenization学习"黑话"，以"预测下一个词块"方式进行训练。基座模型虽博学但只会输出"正确的废话"，真正价值在于"上下文学习"能力，能当场"照葫芦画瓢"。这一能力在催收SOP问答、信审报告摘要等场景大有可为，但需通过监督微调才能成为真正的风控助理。

Android女王
2025-11-17 10:01:37

 627

 22

#easyui #前端 #javascript +1
机器学习【决策树】

决策树是一种树状预测模型，通过递归拆分数据实现分类或回归。核心流程包括特征选择（基于信息增益或基尼系数）、递归构建（自上而下划分数据）和剪枝优化（预剪枝限制生长/后剪枝删除冗余分支）。预剪枝通过设置深度/样本数等阈值提前终止生长，后剪枝先构建完整树再修剪。决策树优势在于直观可解释，但需通过剪枝平衡模型复杂度与过拟合风险，其中后剪枝效果通常更好但计算成本较高。

shshajsjs
2025-11-17 09:50:38

 613

 7

#机器学习 #决策树 #人工智能
机器学习基础:决策树

决策树是一个递归生成过程的结果，面对一堆具有不同属性数据，我们根据不同类别样本具有不同的属性进行区分，重复进行这一步骤。我们有数据集{x1x2x3xnx1x2x3...xn}和属性集{a1a2a3ana1a2a3...an}当做到以下三种情况的时候，递归停止：(1)当前节点所包含的样本都属于同一类别。(2)当属性集为空或者所有样本在属性集的取值都相同时。(3)当前节点所包含的样本集

 whius
2025-11-17 12:41:19

 788

 23

#机器学习 #决策树 #算法