ML之DT：基于简单回归问题训练决策树(DIY数据集+三种深度的二元DT性能比较)
【摘要】 ML之DT：基于简单回归问题训练决策树(DIY数据集+三种深度的二元DT性能比较)
目录
输出结果
设计思路
核心代码
输出结果
设计思路
核心代码
for i in range(1, len(xPlot)): lhList = list(xPlot[0:i]) rhList = list(xPlot[i:...
ML之DT：基于简单回归问题训练决策树(DIY数据集+三种深度的二元DT性能比较)
目录
输出结果
设计思路
核心代码
for i in range(1, len(xPlot)):
lhList = list(xPlot[0:i])
rhList = list(xPlot[i:len(xPlot)])
lhAvg = sum(lhList) / len(lhList)
rhAvg = sum(rhList) / len(rhList)
lhSse = sum([(s - lhAvg) * (s - lhAvg) for s in lhList])
rhSse = sum([(s - rhAvg) * (s - rhAvg) for s in rhList])
sse.append(lhSse + rhSse)
xMin.append(max(lhList))
文章来源: yunyaniu.blog.csdn.net，作者：一个处女座的程序猿，版权归原作者所有，如需转载，请联系作者。
原文链接：yunyaniu.blog.csdn.net/article/details/85931868
【版权声明】本文为华为云社区用户转载文章，如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
作者其他文章
评论（0）