基于决策树分类算法研究

数据挖掘：一种基于遗传算法的SVM决策树多分类方法

用java实现基于ID3算法的决策树分类器的eclipse完整工程代码，测试结果正确。

机器学习一、概述什么是机器学习？人工智能：通过人工的方法，实现或者近似实现某些需要人类智能处理的问题，都可以称为人工智能。机器学习：一个计算机程序在完成任务T之后，获得经验E，而该经验的效果可以通过P

为了克服现有决策树分类算法在大数据集上的有效性和可伸缩性的局限，提出一种新的基于粗糙集理论的决策树算法。首先提出基于代表性实例的原型抽象方法，该方法从原始数据集中抽取代表性实例组成抽象原型，可缩减实例

精确的土地覆被分类结果是研究煤田火区生态环境变化的基础。本文基于Landsat8卫星遥感数据,依据地形特征、主体地物类型以及辐射特征,将乌达煤田分为五个子区。利用多光谱特征、高程、坡度和热辐射特性构建

决策树分类器（ID3算法）C语言，可直接运行

ID3算法是机器学习中，决策树分类器的一个算法。讲得很详细。不错。

决策树通常在机器学习中用于分类。 优点:计算复杂度不高,输出结果易于理解,对中间值缺失不敏感,可以处理不相关特征数据。 缺点:可能会产生过度匹配问题。 适用数据类型:数值型和标称型。 1.信息增益 划

这是一个用python实现的决策树分类器,其样本集纯度指标为基尼指数,实现了后剪枝优化算法,有需要请下载

根据温度、盐度、PH值和溶解氧的含量,建立C4.5决策树预测模型,实现对水质进行评价