- 博客(2)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 测试一下
Decision Tree标签（空格分隔）： 面试前复习1. 伪代码2. 划分选择2.1 信息增益信息熵： Ent(D)=−∑k=1|Y|pklog2pkEnt(D) = -\sum_{k=1}^{|\mathcal{Y}|}p_k\log_2p_k 1. 信息熵是度量样本集合纯度最常用的一种指标； 2. Ent(D)Ent(D)的值越小，则DD的纯度越高；信息增益： Gain(D,a)=E
2017-04-23 16:17:28
332
转载 欢迎使用CSDN-markdown编辑器
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦： Markdown和扩展Markdown简洁的语法 代码块高亮 图片链接和图片上传 LaTex数学公式 UML序列图和流程图 离线写博客 导入导出Markdown文件 丰富的快捷键 快捷键 加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl
2017-01-09 15:43:58
116
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人