기계 학습 : 의사 토토 사이트 트리 재 방문

2019 년 1 월 3 일

작성자 : Jason M. Pittman, D.Sc.

기계 학습 : 의사 배트맨 토토 사이트 트리 이해 | 워싱턴 D.C. & 메릴랜드 지역 | 국회 의사당, 우리는 설립학습지식을 습득하는 능력으로. 또한, 나는의 개념을 소개했다.의사 토토 사이트 트리기계 학습의 기본 모델로서. 내가 의사 토토 사이트 트리의 두 가지 예를 제시했지만, 하나는 추상적이고 다른 하나는 단순히 예시 적이었습니다. 그것들은 개념적 측면을 탐구하기위한 일이지만 손을 더럽히고 싶다면 분명히 충분하지 않습니다. 다행스럽게도 의사 토토 사이트 트리는 또한 기계 학습 알고리즘을 프로그래밍하는 데 큰 소개입니다. 파고 들자!

의사 토토 사이트 트리 알고리즘

의사 토토 사이트 트리 알고리즘은 분류와 회귀의 두 가지 형태로 제공됩니다. 차이를 개념화하는 가장 간단한 방법은 분류기가 이진 토토 사이트에 적합하고 회귀가 변수 간의 관계를 예측하는 데 유용하다는 것입니다. 기능과 결과의 차이에도 불구하고 알고리즘 구조는 본질적으로 동일합니다. 또한 알고리즘은 맹목적으로 선택되지 않습니다. 일반적으로 샘플 데이터 (예 : 교육 데이터 세트)를 사용하여 의사 토토 사이트 트리 알고리즘을 훈련시켜야합니다.

프로그래밍 클래스 의사 토토 사이트 트리를 다시 예제로 사용합시다. 주어진 학생이 될지 알고 싶습니다Like특정 프로그래밍 클래스.

의사 토토 사이트 사이트 트리


또한 교육 데이터 세트가 다음과 비슷하다고 가정 해 봅시다. 어쩌면 우리는 레지스트라 사무실에 친구가 있고 그 또는 그녀는 코스 역사의 샘플을 모으는 데 손을 주었을 것입니다!

교육 데이터 세트


우리는 다음과 같이 의사 토토 사이트 트리를 구성하기위한 알고리즘을 구현할 수 있습니다. 참고 : 우리는 트리를 만들지 않고 훈련 데이터를로드하지 않습니다. 대신 트리는 훈련 데이터 세트로 구성됩니다.

  1. 교육 데이터 세트에서 가장 좋은 속성을 선택하십시오
  2. 가장 좋은 속성의 값을 포함하는 서브 세트로 데이터를 분할합니다.
  3. 최고의 속성을 A로 인코딩합니다노드.
  4. 남은 교육 데이터에서 노드를 계속 구성하기 위해 재귀를 사용합니다 (2 단계 및 3 단계 사용)

간단 해 보입니다. 공정하게 말하면, 내가 여기에 놓는 것보다 더 자세한 내용이 있습니다. 아름다운 것은 세부 사항이 토토 사이트을 중심으로 회전하는 것입니다최고가. 예를 들어, 향후 게시물에서 우리는 비용 (GINI) 기능 및 엔트로피 계산으로 뛰어들 것입니다. 지금은 학생이 프로그래밍 과정을 좋아할 것인지 토토 사이트할 수있는 분류 알고리즘이 있음을 알 수 있습니다.

의사 토토 사이트 트리 알고리즘은 모든 문제에 적용 할 수있는 것은 아닙니다. 의사 토토 사이트 트리는 일반화되지 않습니다. 또한 의사 토토 사이트 트리 알고리즘은 경향이 있습니다.Greedy결과적으로 글로벌 최적 솔루션을 무시합니다. 욕심 많은 것은 학생이 코스를 좋아하지만 다른 상황에서는 그리 많지 않은지 토토 사이트하는 데 효과적입니다. 또한 위에서 설명한 것은 감독 된 알고리즘입니다. 다음에 더 자세한 내용과 더 많은 유형의 알고리즘을 눌렀을 때 조정하십시오!