回答情况：
提问时间：
问题标签：
(我可能使用不同的模型，但我将从决策树开始)。Risk_amount = Risk_factor_1 * weight_1 + Risk_factor_2 * weight_2 + Risk_factor_3 * weight我想要我的ML-模型找到最优的权重这些风险因素。
我已经知道300
浏览 0提问于2019-01-08得票数 0
回答已采纳
这里的数据库设计决策--没有其他方法可以做到--只是对专家进行调查。我担心的是，使用“id”字段会引起问题的风险很小。有没有人在他们所有的猫鼬模型中使用“id”作为整数id时有过正或负的经验？
浏览 0提问于2015-10-16得票数 1
回答已采纳
http://www.palisade.com/risk/
@RISK (发音为“at risk”)进行风险分析，使用蒙特卡洛模拟技术，在电子表格模型中向您展示许多可能的结果，并告诉您它们发生的可能性。它在数学上和客观上计算和跟踪许多不同的可能的未来场景，然后告诉您与每个不同的方案相关联的概率和风险。这意味着你可以判断哪些风险要承担，哪些风险要避免，这样就可以在不确定的情况下做出最好的决策。
浏览 0修改于2016-05-09得票数 1
1回答
要开始使用决策树，我希望SAS从包含一个依赖的二元变量(疾病0/1)和几个独立的连续变量(通常我会对这些数据运行逻辑回归)的数据集生成决策树。树应该“决定”哪些变量是疾病的重要风险因素。对于初学者在决策树中，但相当有经验的SAS用户(没有访问SAS企业矿工)有任何提示吗？
浏览 2提问于2016-02-12得票数 0
我想设置一个二进制的四维变量，比如Xac，但是docplex只有binary_var_cube函数来设置三维变量。如何创建一个四维模型？
浏览 57提问于2019-04-24得票数 0
我目前正在研究设计一个使用drools决策表电子表格格式()的业务解决方案。业务用户将拥有和维护电子表格中的规则。
如何减轻风险？
浏览 0提问于2013-01-14得票数 2
回答已采纳
所以我的问题是boolean check(...)
Risk1和Risk2首先是执行测试，所以现在已经完全涵盖了它们。我决定，检查所有风险的单位(CompositeRisk)也可以实施风险。CompositeRisk对每个Risk1和Risk2 rezult应用OR (如果一个风险为真，那么整个风险就有风险)。现在我正在寻找一个风险和思考-这个有单词“和”，并检查不同的领域。我似乎可以将其拆分为两个对象，并创建多一个CompositeAndRis
浏览 5修改于2014-08-06得票数 1
回答已采纳
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
某种形式：这里的x是一个四维向量，对应于每个输入的四个特征。我想问一下，做以下事情是否有什么不同：
根据我对输入的格式，训练的模型会有什么不同吗？
浏览 4修改于2017-03-13得票数 0
回答已采纳
它们都提供了创建交互式决策树的能力。在我的研究中，至少有两种决策树。一种是为项目管理提供决策支持，协助风险评估和构建与购买决策(我相信IBMs AnswerTree这样做，以及Pallisade的一些软件)，另一种是AnswerPath和Zingtree都提供的实时决策支持
浏览 0修改于2016-08-26得票数 3
我有一个数据集，其中包括三种类型的变量:自然状态，人类决策，响应变量。我正在尝试使用决策树学习来使用其他变量来预测响应变量。这个心理模型是有效的吗?我甚至不知道用什么词来描述这个问题--这是“半监督”决策树学习吗？
浏览 3修改于2017-01-04得票数 0
1回答
对于这些变量，有一种基于决策树的算法，将这些患者分为高风险的是/否类。因此，HIGH_RISK是第一列CSV的最后一列，目前它是空的。但是，由于该算法涉及分叉决策树，所以我不知道如何实现。但我相信这是可能的，因为R是如此强大。有什么建议吗？
决策树类似于以下内容：
浏览 5提问于2014-07-03得票数 0
回答已采纳
可以用Stan或PyMC3编写决策模型吗？我的意思是:我们不仅定义了随机变量的分布，还定义了决策变量和效用变量，并确定了使期望效用最大化的决策。我的理解是，与PyMC3相比，Stan更像是一个通用的优化器，所以这表明决策模型将更直接地在其中实现，但我希望听到人们的意见。编辑:虽然可以枚举所有决策并计算其相应的预期效用，但我想知道更有效的方法，因为决策的数量可能组合得太多(例如，从包含数千种产品的列表中购买多少商品)。影响图算法利用模型
浏览 16修改于2018-11-19得票数 0
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。我读过以下文章：
model.estimators_包含模型所包含的所有单个分类器。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
浏览 0修改于2019-04-23得票数 0
回答已采纳
有没有可能在没有决策树的情况下建立集成模型？
我知道，对组合的描述本身就意味着不同。然而，我对机器学习还是很陌生的，到目前为止，我遇到的所有集成模型都使用决策树或使用决策树进行描述。
浏览 0修改于2021-09-30得票数 6
如何为决策树的稀疏特性预处理数据？它提到这一点：
为什么选择决策树？不同的型号有不同的优点。决策树模型非常擅长处理具有数值特征的表格数据，或少于数百个类别的分类特征。与线性模型不同，决策树能够捕捉特征与目标之间的非线性交互.一个重要的注意事项是，基于树的模型的设计并不是为了处理非常稀疏的特性。当处理稀疏输入数据(例如大维分类特征)时，我们可以对稀疏特征进行预处理以生成数值统计数据，也可以切换到更适合这种情况的线性模
浏览 0提问于2019-03-07得票数 2
1回答
我想使用Sklearn的RandomForestClassifier来预测分类变量(信用风险)。little 603moderate 103rich 48
这一预测指标似乎是预测信用风险的最有力指标一些决策树允许使用代理变量来处理这些缺失的值，但是Sklearn的树/林没有这个特性。所以问题是--是否有一个类似Sklearn的Python库(理想情况下是Sklearn的扩展)，允许使用代理分叉？
浏览 0修改于2023-02-13得票数 2
在热开始阶段，我的意图是使用来自前一个模型的决策变量的子集，这些变量导致了非空值。例如，如果我有决策二元变量，x_1,...,x_5，第一个模型中的解是x_1=1,x_2=1，其余的是零。所以，在热启动时，我只希望有决策变量x_1 and x_2。通过这种方式，我可以减少模型的维度，并具有更快的性能。考虑到我有数千个决策变量，我如何在热启动时选择这些变量的子集？
浏览 2提问于2021-08-05得票数 2
在任何其他StackOverflow问题中，我都找不到这个特定的主题：我是JQuery的初学者，我想创建一个变量，当用户通过问卷点击时，这个变量就会加起来。最后，将和编码为“高风险”(>8)、“中等风险”(5-8)等。
我应该注意，我使用的是JQuery和JQuery手机。
浏览 1提问于2013-08-09得票数 0
回答已采纳
你越接近最大值，你被OOM杀手杀死的风险就越大。一种想法是将这个决策从JVM转移到内核。内核可以做出最优的全局决策，而不是次优的局部决策。我想这可以通过引入一个新的信号来工作，该信号告诉JVM执行GC。每当需要回收一些内存时，内核都会发送这个信号。
真的存在这样的东西吗？
浏览 2提问于2015-02-16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