课程内容

课程内容《支持向量机》（一）准备工作

课程内容《支持向量机》（二）小试牛刀

课程内容《文本情感分析》（三）工作过程

课程内容《支持向量机》（三）分类问题

课程内容《文本情感分析》（四）组件实现

课程内容《支持向量机》（四）回归问题

课程内容《文本情感分析》（五）训练评估

课程内容《支持向量机》（五）SVM API

课程内容《决策树》（一）准备工作

决策树（Decision Tree）是一种直观且易于理解的机器学习算法，它可以处理分类和回归问题。 课程学习目标： 授课环境：win11 + pycharm 2021.1.3 + python 3.8.19 1. 创建虚...

课程内容《决策树》（二）初识决策树

在学习决策树原理之前，我们先感性的了解下决策树的构建和推理过程、以及 API 的使用。 1. 分类决策树 分类决策树基于训练数据构建一个树状结构，每个节点代表一个特征，每个分支代表一个可能的答案，最终叶节点代表一个分类标...

课程内容《决策树》（三）分类决策树

构建决策树时，需要根据训练数据计算所有特征的最佳分裂点，来实现分类决策树构建。在 scikit-learn 的分类决策树实现中，主要用到了两种方法： 接下来，我们就要去学习和掌握这两种分裂增益原理和计算方法，以及基于这两...

课程内容《决策树》（四）回归决策树

在构建回归决策树时，我们需要找到最优的分裂点，以最小化子集的均方误差。回归决策树也有自己的一些分裂准则，我们将详细探讨这些分裂准则的计算方法，并介绍如何应用它们来构建回归决策树。

课程内容《决策树》（五）过拟合问题

过拟合（Overfitting）是指模型在训练数据上表现得很好，但在未见过的测试数据上表现较差的现象。无论是传统机器学习算法、还是深度学习算法都会出现过拟合问题。 1. 过拟合方法 我们前面构建的分类或者回归决策树都是完...

课程内容《决策树》（六）决策树 API

Scikit-Learn（sklearn）是一个用于机器学习的Python库，其中包含了大量用于分类、回归、聚类和其他机器学习任务的算法和工具。在sklearn中，决策树是其中的一个常用算法。下面，将会对决策树在 skl...