1回答
我正在尝试用scikit-learn的DecisionTreeClassifier构建一个决策树。我的数据具有由整数和浮点数组成的数字特性。如果将整数特性转换为浮动，树的深度就会增加。<em
浏览 2提问于2016-01-09得票数 3
回答已采纳
我正在尝试为数据集创建决策树，并研究由此产生的混淆矩阵。虽然混淆矩阵告诉我发生了多少错误分类，但它并不能准确地告诉我X_train中的哪些特定实例被错误分类。我正在尝试找出这些错误分类的实例以及它们最终在哪个叶节点中。我知道我可以使用decision_path()，但它不会告诉我这个特定的实例是否分类错误。我在这里的主要目标是确
浏览 19提问于2021-03-16得票数 2
回答已采纳
1回答
我正在尝试训练一个决策树分类器，用于使用scikit-learn提供的函数来评估棒球运动员。然而，我想提前“预先指定”或“强制”一些分裂，基于我所知道的关于专家思考方式的真实情况(无论如何，这些都需要合并)。例如，我想基于击球平均值> .300强制拆分。一个相关的问题是--我是否可以“预加载”以前训练过的决策树模型，并在随后的训练中仅仅“更新”它？或者，decisio树<em
浏览 2提问于2017-10-05得票数 1
我有一个预定义的决策树，它是我从基于知识的拆分中构建的，我想用它来进行预测。我可以尝试从头开始实现一个决策树分类器，但这样我就不能使用像预测这样的Scikit中的构建功能。有没有办法将我的树转换成pmml并导入这个pmml，以便使用scikit-learn进行预测？或者我需要做一些完全不同的事情？我的第一个尝试是使用“假训练数据”来强制算法以我喜
浏览 19提问于2020-01-28得票数 1
经过研究，我发现对这类数据最合适的算法是一个决策树或一个随机forrest分类器！
但我读过一些关于决策树和分类属性的类似问题，发现我使用的库(scikit-learn)不适用于分类属性。检查和，为了使其与分类一起工作，我需要将我的分类变量编码成数字变量，但我不想使用编码，因为我将根据答案松散属性的一些属性和一些信息，而且我的一些属性有超过100
浏览 0提问于2017-07-18得票数 1
回答已采纳
此页在scikit-learn中显示决策树中的路径。在到达决策树的叶节点后，我们在哪里获得最终的结果值？
浏览 0提问于2020-12-25得票数 0
回答已采纳
有没有办法在scikit-learn中打印经过训练的决策树？我想为我的论文训练一棵决策树，我想把这棵树的图片放在论文中。这有可能吗？
浏览 0提问于2014-08-13得票数 15
回答已采纳
我一直在做Python课程中的应用机器学习，在第四周的课程和作业中，我发现了一些有趣的东西。在我第一次尝试完成这个任务时，我尝试使用sklearn的RandomForestClassifier来预测标签，但是模型过于贴切，测试的准确性也很差。作为一个实验，我转向了RandomForestRegressor，并且，你猜怎么着，它不仅不过分合适，而且测试的准确性也要高得多。那么，为什么RandomForestRegres
浏览 2提问于2020-01-06得票数 0
回答已采纳
1回答
由于我的地理信息系统软件的计算能力有限，我试图在R中实现随机森林，以便进行图像分类。我的输入是一个多波段TIFF图像，它被训练成一个ArcGIS文件(目标值0和1)。该代码在技术上可以工作，并产生有效的输出。然而，当我在GIS软件中绘制出图像分类输出(二值为0和1的二值重分类tiff )时，它以100%的成功率预测了训练数据。换句话说，输出图像没有分类</
浏览 6提问于2019-10-22得票数 0
回答已采纳
1回答
我必须使用梯度引导决策树在Python中构建一个分类模型，并获得模型参数(节点处的值)以在硬件上实现。据我所知，梯度增强决策树的最终结果是一个具有阈值的普通决策树分类器，用于对输入数据进行分类。我读过以下文章：
model.estimators_包含模型所包含的所有单个分类器。对于GradientBoos
浏览 0提问于2019-04-23得票数 0
回答已采纳
我曾读过，在集成学习中，我们使用各种分类器的输出来更好地进行预测建模，但在Adaboost中，我们只使用一个分类器，使它成为一个强大的学习者，但它是集成学习的一部分。
浏览 0提问于2019-07-20得票数 0
在此之前，我使用SAS企业Miner来学习更多关于model /集成技术的知识，并且我了解到boosting可以帮助提高模型的性能。目前，我的小组已经完成了以下模型的Python:朴素贝叶斯，随机森林，和神经网络，我们希望使用XGBoost使F1-得分更好。我不确定这是否可能，因为我只遇到了关于如何做XGBoost或朴素贝叶斯的教程。
我正在寻找一个教程，他们将向你展示如何创建一个天真的贝叶斯模型，然后使用助推。在此之后，我们可以比较有和没有提升的</
浏览 4提问于2019-10-26得票数 1
2回答
我有一个数据集，我在WEKA中使用J48和ID3算法进行分类。J48算法的输出是：使用ID3的输出是%
Root relative squared erro
浏览 3提问于2015-04-09得票数 0
1回答
决策树桩
、、、、
我想使用AdaBoost实现一个java应用程序，它可以对大象是非洲象还是亚洲象进行分类。我的Elephant类有字段：int weight;ElephantType type; // (which can be Asian我是AdaBoost的新手，我了解到好的弱分类器是决策树桩。我想知道是否支持我只创建两个决策树桩(一个用于大小，一个用于重量)，或者我是否应该创建更多的</
浏览 4提问于2012-08-25得票数 2
回答已采纳
3回答
我正在使用Python中的Scikit-Learn构建决策树。我已经在一个特定的数据集上训练了模型，现在我想保存这个决策树，以便以后(在新的数据集上)使用它。有人知道怎么做吗？
浏览 0提问于2014-10-01得票数 8
1回答
学习区间的并集
、、、
假设我有N个一维点xi和它们的标签yi = 1/0。我想学习一组k区间，这样，当标签1被赋予这些区间中的所有点时，误差就会最小化。随着k的增加，情况会变得更加复杂。
在scikit-learn中有没有一些通用的算法来做这件事，或者对决策树算法做了一些修改？直接的决策树算法不会起作用，因为你不能控制k，只能控制深度，并且分支的顺序可能导致最终的区间集不是最优的</e
浏览 1提问于2015-05-11得票数 1
1回答
我需要在分类数据上构建决策树。我知道scikit-learn只能处理数值，因此推荐的方法是使用on-hot编码，最好使用Panda Dummies。因此，我构建了一个样例数据集，其中所有属性和标签都是分类的。在这个阶段，我试图理解如何‘一热’编码，以便能够使用sklearn，但文档没有解决这种情况。最终可以给我一个快速的例子或一些初学者的材料的链接？
浏览 10提问于2018-01-18得票数 0
有什么好的教程可以解释如何在为样本训练集构建决策树的连续迭代过程中对样本进行加权？我想明确地说，在构建第一个决策树之后，如何分配权重。决策树是使用信息增益作为锚来设计的，我想知道这是如何由于先前迭代中的错误分类而受到影响的。
任何好的教程/例子都是非常感谢的。
浏览 2提问于2014-09-21得票数 3
回答已采纳
1回答
我试验了来自卡格尔的欺诈样本。我采取了线性回归和决策树。线性回归按预期工作：我们有很高的查准率和召回率，而抽样不足会使情况更糟。为什么两种模式有这么大的区别？
浏览 0提问于2017-09-07得票数 1
回答已采纳
假设我有n训练样本和二进制分类任务。我希望训练一棵深度最小、节点总数最少的决策树，使这些n样本的训练准确率达到100%。在最坏的情况下，这意味着每个样本都有一个叶节点。在Scikit-Learn的DecisionTreeClassifier实现1中，有没有一些参数的配置可以让我实现这一点？
浏览 0提问于2020-11-24得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
