回答情况：
提问时间：
问题标签：
现在我正在做一些关于决策树/随机森林应用的问题。我正在尝试拟合一个以数字和字符串(如国家名称)作为特征的问题。我如何处理这样的场景，我可以通过某种机制将字符串转换为数字，例如python中的哈希。但我想知道在决策树问题中如何处理字符串的最佳实践。
浏览 4修改于2015-02-25得票数 3
在一个决策树/随机森林的应用中，我正在做一些问题。我试图适应一个问题，它有数字和字符串(如国家名称)作为功能。现在，科学知识-学习只使用数字作为参数，但是我想注入字符串，因为它们携带了大量的知识。我可以通过某种机制(如Python中的散列)将字符串转换为数字。但是我想知道在决策树问题中如何处理字符串的最佳实践。
浏览 0修改于2019-10-02得票数 85
回答已采纳
这在DecisionTreeRegressor中是没有的
我的理解是，决策树分类器和回归器之间的基本机制非常相似
浏览 0修改于2018-12-03得票数 3
回答已采纳
3回答
我有一个生成决策树的大型嵌套循环(深达6层)。然而，这是一个相当时间关键的程序，我需要在时间到的时候中止生成。或者我应该只把嵌套的循环切成嵌套的线程？
浏览 1提问于2013-02-06得票数 0
我可以知道分类和回归决策树是如何工作的吗？我想知道决策树是如何从分类到投影计算的。(例如，投影是基于特定组的模式吗？)(分类决策树)；它是特定组的平均值吗？(回归决策树)
我想知道决策树背后的理论。
浏览 1提问于2018-01-18得票数 1
回答已采纳
我已经使用J48构建了一个RWeka决策树。我想将其性能与描述现有(外部计算的)决策树的决策树进行比较。我是RWeka新手，我很难手动创建RWeka决策树。现在，我将将RWeka计算决策树导出到Graphviz，并将其操作到我想要的结构中。我想在开始之前检查一下，并确保我不能简单地指定我想要手动指定决策树的规则。我不想计算决策树(我已经这样做了)，我想手动构建/指定一个决策树(用于在我的演示中进行统一的比较)。
谢谢你的进阶。
浏览 5修改于2015-06-19得票数 1
回答已采纳
re-join for biscuits当然，Javascript不是这样工作的；像$ionicPopup.show()这样的函数不会阻塞执行，而是在用户选择一个选项时调用回调(通过promise机制因此，如果我们对queryuser使用ionicPopup.show，我们将一次获得所有弹出窗口，并且将对null返回值执行决策树。或者，如果失败，如何才能在不陷入回调地狱的情况下表达上述决策树呢？
浏览 0修改于2017-03-07得票数 1
3回答
什么时候决策树表现良好？我绘制了一些图表，比较了基于决策树的模型和基于logistic回归的模型。决策树建立模型所需的时间较长，而LRclassifier模型的time.Moreover较小，logistic模型的f-score高于决策树。所以我想知道什么时候应该使用决策树。
浏览 2提问于2017-09-22得票数 1
那么，drools或决策树机制是否提供了处理此问题的好方法呢？我应该指出，我们很可能需要经常添加/修改覆盖率信息，而吸引我使用这种机制的一件事是，BA可以帮助保持规则的最新。
浏览 4提问于2010-06-27得票数 3
回答已采纳
有几种算法可以构建决策树，例如CART (分类和回归树)、ID3 (迭代二叉树3)等scikit-learn会根据数据聪明地选择最好的决策树算法吗？
浏览 25修改于2019-08-21得票数 2
回答已采纳
在随机森林算法中，使用随机选择的特征( $log_2 n$ +1，其中n=数的特征数)生成m(例如)决策树数。从测试数据中选择任何样本的标签是根据这些决策树的投票数来选择的。但这些决策树的准确性不同(相当明显)。我的问题是，为什么我们要对所有的决策树给予同样的优先权？如果一个决策树在预测测试样本的标签时具有较高的准确性，那么我们是否应该给予它比那些预测精度较低的更高的优先级呢？
浏览 0提问于2018-05-30得票数 7
我想创建一个决策树的森林。为此，我想将'n‘个决策树存储在一个对象中。那么在R中有没有一种方法可以存储所有不同的决策树呢？
浏览 9修改于2019-11-28得票数 1
我使用Apache Spark Mllib 1.4.1 (PySpark，Spark的python实现)根据我拥有的LabeledPoint数据生成决策树。提取规则，该用户将其称为)：print(model.toDebugString()
但我想要做的是可视化或绘制决策树有没有什么方法可以在PySpark中绘制决策树，或者可以保存决策树数据并使用R绘制它？谢谢!
浏览 6修改于2020-10-06得票数 11
回答已采纳
我必须使用梯度引导决策树在Python中构建一个分类模型，并获得模型参数(节点处的值)以在硬件上实现。据我所知，梯度增强决策树的最终结果是一个具有阈值的普通决策树分类器，用于对输入数据进行分类。在建立梯度决策树分类器的过程中，给出了作为估计器的每个决策树的阈值获取方法。我不确定model.estimators是否包含最终的决策树。有关集成分类器的科学知识文档也没有提到它。请帮助我如何提取最终的参数(节点的值)梯度增强决策树模型，从科学知识学习。或者，如果我误解了什么有关
浏览 0修改于2019-04-23得票数 0
回答已采纳
阅读一些文档(对于示例)，我知道有很多类型的决策树(Cart、ID3等等)。我还知道，随机森林是一种使用一组决策树的粒子算法。
我的问题是:在随机森林中，使用什么样的决策树？(cart，id3，.)
浏览 0提问于2022-03-21得票数 0
回答已采纳
假设我们有一个二进制分类问题，我们在数据集上构建了一个决策树。
假设我们有5个特征，那么决策树将在第一步中选择最优的特征，并在这个特征上选择最佳的阈值来分割数据集，然后继续使树更深。我的问题是:既然决策树在每一步都会选择最佳的特征来分割，那么为什么随机森林(也就是许多决策树)是对决策树的改进？一个决策树不就足够了吗？
浏览 0修改于2019-05-01得票数 2
我正在尝试使用h2o来训练决策树模型。我知道在h2o中不存在用于决策树的特定库。
这是我在h2o中使用GBM算法时的代码，但我可以像这样使用决策树。因为h2o中没有决策树代码。那么，如何在h2o中使用决策树算法呢？
浏览 13提问于2018-08-29得票数 0
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