01 2021 档案
摘要:
决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测模型,他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度,使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念
阅读全文

摘要:
聚类属于无监督学习,模型好坏评价方式和监督学习中求误差(真实值)的方式不同
聚类效果没有对不对,只有好不好
通常来说,如果模型在不同簇之间表现出差异性(相互远离),相同簇中表现处相似性(相互靠近),那么这个模型就被认为是好的模型
阅读全文
