机器学习之决策树理论与代码实践

课程目标:理解决策树的基本原理,能够使用决策树完成分类任务。能够可视化生成的决策树。

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
共18课时,共1小时23分钟
现价¥68.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

理解决策树的基本原理,能够使用决策树完成分类任务。能够可视化生成的决策树。

适用人群

对机器学习感兴趣的人,想深入了解算法内部运行原理的人

课程简介

详细讲解决策树(ID3,C4.5,CART)的数学推导过程,能够使用原生代码完成决策树代码的编写。能够调用sklearn库完成决策树代码的编写。能够可视化生成的决策树。能够使用决策树完成鸢尾花数据分类任务。

04决策树.png

1开课简介 [免费试看]
01:27
2机器学习知识体系
06:45
3机器学习流程
01:38
4决策树介绍
02:23
5熵entropy介绍
03:04
6数据集的熵计算举例
02:12
7条件熵的概念和计算过程
05:51
8信息增益并根据其划分特征
03:10
9信息增益算法及计算举例
05:22
10ID3算法和C4.5算法
04:45
11决策树原生代码实现:数据集熵的计算
10:25
12决策树原生代码实现:选择最好的划分特征
04:46
13决策树原生代码实现:递归生成决策树
06:55
14决策树原生代码实现:决赛树预测数据实现
05:21
15CART算法,使用基尼指数选择最优特征
03:20
16基尼指数做特征选择计算举例
04:59
17使用Sklearn实现决策树并可视化
07:18
18案例:使用决策树对鸢尾花数据进行分类并可视化
03:45
讲师介绍
纪佳琪
讲师评分4.8分
干过开发,做过培训,现在是一名高校教师。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载