- 综合排序
- 最热优先
- 最新优先
- 来自专栏SpringCloud专栏
3 机器学习入门——决策树之天气预报、鸢尾花
OK，我们来使用决策树试试，先试试大名鼎鼎的C4.5分类器，在weka中对应J48。 在trees里找到J48，同样选择10次折叠，点击start。 可以看到正确率在50%。 当然对于这个案例，通过使用融合梯度提升后的J48，也能让正确率达到70%多。 导入数据，分别使用逻辑回归和J48来跑一下，发现两个都是96%的正确率。 ? ? 这个数据集经过多次尝试，在各个算法上表现比较类似，差距不大，最好的结果是在SVM（支持向量机）上，96.6667%。
1.9K20发布于 2019-01-17 - 来自专栏方方的杂货铺
升级GCC版本到11.1
此处可以直接打开并行编译执行make命令, 比如笔者机器是24核的, 此处直接将并发数设置为48进行编译, 实测效果不错. make -j48 漫长的等待后(公司DevCloud24核机器应该是10 /configure make -j48 sudo make install 默认安装的路径是/usr/local/bin, 并不会覆盖老的GDB(老的在/usr/bin/下), 所以使用VSCode
4.2K40发布于 2021-10-29 - 来自专栏大模型系列
机器学习稳定性基石：深度学习Bagging（Bootstrap Aggregating）算法的原理、手动计算与Python/Java双代码实战
)); bootstrap.add(data.instance(idx)); } // 训练基模型（以J48 为例） J48 tree = new J48(); tree.buildClassifier(bootstrap); models[i]
17820编辑于 2026-03-29 - 来自专栏机器学习AI算法工程
R语言与机器学习（分类算法）决策树算法
; （8） 调用cartformtree(T2)； 以鸢尾花数据集为例，使用cart算法，得到决策树： 要实现C4.5算法，R提供了一个程序包RWeka，J48 下面我们来简要介绍他们： J48(formula, data, subset, na.action, control = Weka_control(), options = NULL) tree (RWeka) library(party) oldpar=par(mar=c(3,3,1.5,1),mgp=c(1.5,0.5,0),cex=0.3) data(iris) m1<-J48 隐形眼镜一例： [plain] view plaincopyprint lenses<-read.csv("D:/R/data/lenses.csv",head=FALSE) m1<-J48
2.3K40发布于 2018-03-12 - 来自专栏Python编程和深度学习
Weka机器学习使用介绍（数据+算法+实战）
LibSVM（需要额外安装扩展包）、Logistic Regression、Linear Regression；lazy下的IBK（KNN）；meta下的boosting和bagging分类器；trees下的J48 我们采用常用的J48决策树分类器进行4折交叉验证，得到的实验结果如下： ? 在Result list里右键实验，Visualize Tree，得到图形界面的直观的决策树。 ?
19.8K43发布于 2020-07-01 - 来自专栏方方的杂货铺
ClangSharp依赖的动态库编译
CMAKE_C_COMPILER=/usr/local/gcc-8.3.0/bin/gcc -D CMAKE_CXX_COMPILER=/usr/local/gcc-8.3.0/bin/g++ make -j48 CMAKE_C_COMPILER=/usr/local/gcc-8.3.0/bin/gcc -D CMAKE_CXX_COMPILER=/usr/local/gcc-8.3.0/bin/g++ make -j48
2.2K20编辑于 2022-06-01 - 来自专栏DrugOne
Nat. Commun. | 抗体体细胞突变的机器学习分析预测免疫球蛋白轻链毒性
2.3 机器学习算法 四种机器学习算法(贝叶斯网络、逻辑回归、J48和随机森林)采用Weka 3.8.1实现来解决分类任务。对于所有算法，都使用了默认的Weka参数。 接下来，采用四种机器学习算法（贝叶斯网络、逻辑回归、J48和随机森林），评估了他们之间解决分类问题的能力。 作者发现，如图2a所示，对于所有经过测试的机器学习算法，预测变量族的最佳组合提供的AUC与随机分类器 (AUC=0.50) 的面积大不相同，其中随机森林是最好的分类器(AUC=0.87) 和 J48最差
82840发布于 2021-07-05 - 来自专栏GPUS开发者
菜鸟手册（1）：给Jetson Nano安装DC电源
注意跳线帽是要装在J48这个位置，安装的时候注意不要把针脚给撅断了..... ? Jetsohacks大叔也提醒用户们需要注意，TX2电源线跟Nano电源线的接口孔是一样大小的。 ?
8.9K41发布于 2019-04-29 - 来自专栏PPV课数据科学社区
【学习】R语言与机器学习学习笔记（2）决策树算法
; （8） 调用cartformtree(T2)； 以鸢尾花数据集为例，使用cart算法，得到决策树： 要实现C4.5算法，R提供了一个程序包RWeka，J48 下面我们来简要介绍他们： J48(formula, data, subset, na.action, control = Weka_control(), options = NULL) tree (RWeka) library(party) oldpar=par(mar=c(3,3,1.5,1),mgp=c(1.5,0.5,0),cex=0.3) data(iris) m1<-J48 隐形眼镜一例： [plain] view plaincopyprintlenses<-read.csv("D:/R/data/lenses.csv",head=FALSE) m1<-J48
1.2K90发布于 2018-04-19 - 来自专栏人工智能LeadAI
时间序列异常检测 EGADS Surus iForest
基于密度的聚类算法：LOF (Local Outlier Factor) 随机森林（random forest） Isolation Forest 经过一系列试验，结论中推举了以下步骤： 如果是维度非常高的数据，用J48 用iForest预选异常点，标准为score > 0.50 把ANN，J48，RF作为一个组合再处理2步得到的异常点。 被较多算法标注为异常的点就认为有高可信度。
3.9K40发布于 2018-03-09 - 来自专栏大模型系列
机器学习工业级决策树：C5.0 算法原理、优势详解与实战调用指南（C4.5 的终极进化版）
分裂标准信息增益率信息增益率（优化）基尼系数 / 方差连续特征✅✅✅缺失值处理✅✅（更鲁棒）✅（替代法）Boosting 集成❌✅（原生支持）❌（需手动集成）规则集输出✅✅（优先）❌回归任务❌❌✅开源状态✅（Weka J48 t 10 表示10轮boosting ✅ 方案3：Java（通过 JNI 调用 C 引擎）C5.0 官方提供 C 源码可通过 JNI 封装为 Java 库但无现成开源 Java 实现（Weka 仍用 J48
18020编辑于 2026-03-29 - 来自专栏机器学习之旅
R开发：常用R语言包介绍
rpart算法的集成算法；boosting函数，基于rpart算法的集成算法 party包ctree函数，条件分类树算法 RWeka包OneR函数，一维的学习规则算法；JPip函数，多维的学习规则算法；J48
1.4K50发布于 2018-08-27 - 来自专栏联远智维
WEKA平台应用
sunny,85,85,FALSE,no sunny,80,90,TRUE,no overcast,83,86,FALSE,yes rainy,70,96,FALSE,yes 选择分类算法：从算法库里边选择J48
89110编辑于 2022-01-20 - 来自专栏拓端tecdat
数据分享|WEKA信贷违约预测报告：用决策树、随机森林、支持向量机SVM、朴素贝叶斯、逻辑回归|附代码数据
J48算法 J48流程 （1）使用经过预处理的数据集，使用 CVParameterSelection 中的classifier中的Tree-J48并调整和寻找最佳参数，在test option中选择 Supplied 因此J48算法中，当使用目前的参数时ROI最大为-621800。
1.5K00编辑于 2023-05-17 - 来自专栏方方的杂货铺
升级GCC版本到8.3(多GCC版本共存)
此处可以直接打开并行编译执行make命令, 比如笔者机器是24核的, 此处直接将并发数设置为48进行编译, 实测效果不错. make -j48 漫长的等待后(公司DevCloud24核机器应该是10
9.6K20发布于 2021-10-29 - 来自专栏拓端tecdat
数据分享|WEKA信贷违约预测报告：用决策树、随机森林、支持向量机SVM、朴素贝叶斯、逻辑回归
J48算法 J48流程 （1）使用经过预处理的数据集，使用 CVParameterSelection 中的classifier中的Tree-J48并调整和寻找最佳参数，在test option中选择 Supplied 因此J48算法中，当使用目前的参数时ROI最大为-621800。
57901编辑于 2024-12-27 - 来自专栏nginx
Java在AI时代的崛起：从传统机器学习到AIGC的全栈解决方案
dataset.setClassIndex(dataset.numAttributes() - 1); } // 创建决策树分类器 J48 tree = new J48(); tree.setUnpruned(true); // 不剪枝 // 训练模型 tree.buildClassifier
48510编辑于 2025-11-16 - 来自专栏我还不懂对话
交叉验证的Java weka实现，并保存和重载模型
args) throws Exception { // TODO Auto-generated method stub Classifier m_classifier = new J48
1.3K10发布于 2021-10-19 - 来自专栏量子化学
CFOUR程序的安装与运行
最后make即可： make -j48 #用48核并行编译 得到的可执行文件在bin目录中，最后将该目录写入.bashrc文件中： export PATH=/home/zhigang/software/
2.7K30发布于 2021-10-27 - 来自专栏SpringCloud专栏
4 机器学习入门——分类和最近邻
选择J48算法，看看结果 ? 可以看到在全部使用3000条数据作为训练集，并没有进行交叉验证的情况下，模型预测准确率59%。这个数据是比较尴尬的，也就和瞎猜差不多。
1K40发布于 2019-01-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号