Boosting提升方法是一种常用的统计学习方法，应用十分广泛且有效。在分类问题中，它通过改变训练样本的权重，学习多个分类器，并将这些分类器进行线性组合，提高分类的性能。总而言之，提升算法基于这样一种思路：对于一个复杂任务来说，将多个专家的判断进行适当的综合所得出的判断，要比其中任何一个专家独断的判断好。最终三种Boost方法都在87%左右，最高87.6%。
2021-06-16 14:59:45
645KB
1
使用决策树和朴素贝叶斯算法对Adult数据集分类的源码，可以直接下载使用，替换输入数据即可，方便快捷
2021-05-22 11:18:57
651KB
1
基于python对adult数据集进行可视化，再进行测试集和训练集划分，采用KNN和决策树算法对该数据集进行训练，这是一个jupyter文件，附带。csv为数据集文件，若与官方数据集文件不同，那便是略经处理。该文件由我与另一位作者共同完成。
2021-04-05 14:13:08
665KB
1
adult数据集数据挖掘，基于python语言的决策树算法，源码+数据adult数据集数据挖掘，基于python语言的决策树算法，源码+数据adult数据集数据挖掘，基于python语言的决策树算法，源码+数据adult数据集数据挖掘，基于python语言的决策树算法，源码+数据
2019-12-21 21:14:18
315KB
1
决策树代码实现，参考机器学习实战，数据集采用的是adult数据集，增加了数据清洗，该决策树是随机实现的，增加了过拟合的剪枝。
2019-12-21 20:23:03
2.52MB
1
压缩包主要采用随机森林算法处理adult数据集的分类问题，主要包含四部分，第一部分是由python编写的adult数据集预处理过程，第二部分是自己编写的随机森林算法处理adult数据集，第三部分是调用python中sklearn模块处理adult分类问题，第四部分是基于matlab调用5种机器学习分类算法分别处理adult分类问题比较哪种算法能够取得更好的分类效果。
2019-12-21 18:56:51
12.38MB
1