宁波

宁波哪里有卖银行卡█ █微信：619998462█ █ 决策树 1.决策树是一种树型结构，其中每个内部结点表示在一个属性上的测试，每个分支代表一个测试输出，每个叶子结点代表一种类别。 2.决策树学习是以实例为基础的归纳学习 3.决策树学习采用的是自顶向下的递归方法，其基本思想是以信息熵为度量构造一棵熵值下降最快的树，到叶子节点处的熵值为零，此时每个叶子节点中的实例都属于同一类。 决策树学习算法的特点 1.决策树学习算法的最大优点是，它可以自学习。在学习的过程中，不需要使用者了解过多背景知识，只需要对训练实例进行较好的标注，就能够进行学习 2.显然，它属于有监督学习 3.从一类无序、无规则的事物中推理出决策树表示的分类规则 4. 非参数学习算法，可以解决多分类问题，也可以解决回归问题，非常好的可解释性 建立决策树的关键，即在当前状态下选择哪个属性作为分类依据。根据不同的目标函数，建立决策树主要有以下三种算法 1.ID3：使用信息增益/互信息g(D,A)进行特征选择 2.C4.5：信息增益率 3.CART：基尼指数 建立决策树需要知道 信息熵 熵在信息论中代表随机变量不确定度的度量 1）熵越大，数据的不确定性越高 2）熵越小，数据的不确定性越低 p i 为第i个事件发生的概率 接着是 条件熵 H(X,Y)-H(X) (X,Y)发生所包含的熵，减去X单独发生包含的熵

首先还是要吐槽一下， \(qzez\) 真的算是浙江省重点中学里最磕碜的一所了， \(cxzx\) 甚至装修的像紫禁城。。。 　　这次出去集训终于是讲算法了，即使我基本上没有听懂什么东西。我觉得可能是我接受能力不够，要么就是教学设置的有问题。上午讲算法，中午不开网，下午就打题目，晚上订正。上午的东西完全没有时间消化或者去网上扒东西理解，讲的又还特么要一堆先学一堆前置芝士。 　　来授课的全都是神犇，但是好像神犇们讲课的方式完全不同。楼神（ \(LJN\) & \(LCH\) ）喜欢追求最优解和证明算法复杂度；清北的神仙喜欢直接艹数据结构，上来就说难题，然后用一种看起来很简单但我就是不会的算法把它秒掉，然后讲课速度贼快； \(ECNU\) 的巨佬（ \(zyr\) ）会感性理解，但是一般都是一些毒瘤的算法。 　　这就导致我的学习计划里突然多了诸如网络流，点分治，树链剖分甚至期望之类的东西，以及它们的前置芝士。这当然是不行的，所以我下午的模拟赛就开始了花式暴力贪心打表骗分。所幸有些东西真的就是这么解的，不然出一些上午讲课内容的东西肯定直接跪。 　　其实 \(OI\) 应该还算是比较友善的。就算打模拟赛的时候觉得题目多恶心，下发 \(SOL\) 的时候还是会发现如果拆分成这些子问题的话每个模块都很简单，自己简直是个傻子。每天自闭的过程中，也学到了很多套路，比如说有单调性一般就是二分