決策樹的定義 　　決策樹（decision tree）是一個樹結構（可以是二叉樹或非二叉樹）。其每個非葉節點表示一個特征屬性上的測試，每個分支代表這個特征屬性在某個值域上的輸出，而每個葉節點存放一個類別。使用決策樹進行決策的過程就是從根節點開始，測試待分類項中相應的特征屬性，並按照其值選擇輸出 ...

概念 監督學習（Supervised Learning） 從給定標注的訓練數據集中學習出一個函數，根據這個函數為新函數進行標注 無監督學習（Unsupervised Learning） 從給定無標注的訓練數據中學習出一個函數，根據這個函數為所有數據標注 分類 ...

pandas之get_dummies 方法：pandas.get_dummies(data,prefix=None,prefix_sep="_",dummy_na=False,columns=Non ...

完整代碼： https://github.com/cindycindyhi/kaggle-Titanic 特征工程系列： Titanic系列之原始數據分析和數據處理 Titanic系列之數據變換 Titanic系列之派生屬性&維歸約 之前的三篇博文已經進行了一次還算完整的特征工程 ...

1、使用包party建立決策樹 這一節學習使用包party里面的函數ctree()為數據集iris建立一個決策樹。屬性Sepal.Length（萼片長度）、Sepal.Width（萼片寬度）、Petal.Length（花瓣長度）以及Petal.Width（花瓣寬度）被用來預測鳶尾花 ...

　　分類算法有很多，貝葉斯、決策樹、支持向量積、KNN等，神經網絡也可以用於分類。這篇文章主要介紹一下KNN分類算法。 1、介紹 　　KNN是k nearest neighbor 的簡稱，即k最鄰近，就是找k個最近的實例投票決定新實例的類標。KNN是一種基於實例的學習算法，它不同於貝葉斯 ...

概念 決策樹（Decision Tree）：它通過對訓練樣本的學習，並建立分類規則，然后依據分類，對新樣本數據進行分類預測，屬於有監督學習 優點：決策樹易於理解和實現，決策樹可處理數值型和非數值型數據 步驟 導入數據，確定虛擬變量的列，然后遍歷這些列，將這些類的數據轉換為分類 ...

Python之所以如此流行，原因在於它的數據分析和挖掘方面表現出的高性能，而我們前面介紹的Python大都集中在各個子功能（如科學計算、矢量計算、可視化等），其目的在於引出最終的數據分析和數據挖掘功能，以便輔助我們的科學研究和應用問題的解決。 線性回歸模型 回歸是統計學中最有力的工具 ...