① 兩次dfs 方法：先從任意一點P出發，找離它最遠的點Q，再從點Q出發，找離它最遠的點W，W到Q的距離就是是的直徑 證明如下： ①若P已經在直徑上，根據樹的直徑的定義可知Q也在直徑上且為直徑的一個端點 ②若P不在直徑上，我們用反證法，假設此時WQ不是直徑，AB是直徑 ---> ...

決策樹的構建滿足信息熵增益最大化原則 決策樹的優點： 可解釋性高 能處理非線性的數據 不需要數據歸一化 可以用於特征工程 對數據分布沒有偏好 廣泛使用 容易軟件實現 可以轉化為規則 決策樹的弱點 啟發式生成，不是最優解 容易過擬合 微小 ...

在大數據時代，數據挖掘是最關鍵的工作。大數據的挖掘是從海量、不完全的、有噪聲的、模糊的、隨機的大型數據庫中發現隱含在其中有價值的、潛在有用的信息和知識的過程，也是一種決策支持過程。其主要基於人工智能，機器學習，模式學習，統計學等。通過對大數據高度自動化地分析，做出歸納性的推理，從中挖掘出潛在的模式 ...

在博弈論中常常使用決策樹尋找最優決策，這些決策樹往往是人工生成的。在數據挖掘過程中，決策樹的生成通常是通過對數據的擬合、學習，從數據集中獲取到一棵決策樹。 決策樹的形式，從根節點到葉子節點的路徑就是決策的過程。其本質思路就是使用超平面對數據遞歸化划分。決策樹的生成過程，就是對數據集進行反復切割 ...

轉自：http://blog.csdn.net/chenhoujiangsir/article/details/51613144 說明：本文是kaldi主頁相關內容的翻譯（http://kaldi-asr.org/doc/tree_externals.html）。目前網上已經有一個翻譯的版本 ...

決策樹 與SVM類似，決策樹在機器學習算法中是一個功能非常全面的算法，它可以執行分類與回歸任務，甚至是多輸出任務。決策樹的算法非常強大，即使是一些復雜的問題，也可以良好地擬合復雜數據集。決策樹同時也是隨機森林的基礎組件，隨機森林在當前是最強大的機器學習算法之一。 在這章我們會先討論如何使用 ...

回歸 決策樹也可以用於執行回歸任務。我們首先用sk-learn的DecisionTreeRegressor類構造一顆回歸決策樹，並在一個帶噪聲的二次方數據集上進行訓練，指定max_depth=2： 下圖是這棵樹的結果： 這棵樹看起來與之前構造的分類樹類似。主要 ...

在現實生活中，我們會遇到各種選擇，不論是選擇男女朋友，還是挑選水果，都是基於以往的經驗來做判斷。如果把判斷背后的邏輯整理成一個結構圖，你會發現它實際上是一個樹狀圖，這就是我們今天要講的決策樹。 決策樹的工作原理 決策樹基本上就是把我們以前的經驗總結出來。如果我們要出門打籃球，一般會根據“天氣 ...