|
关注：1
2013-05-23 12:21
求翻译：The decision tree is easy to use; the more interesting question is how to construct the tree from training data (records), after having chosen a set of discriminating features. In principle, there are exponentially many decision trees that can be constructed from a given set of features. While some of the trees will be是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
The decision tree is easy to use; the more interesting question is how to construct the tree from training data (records), after having chosen a set of discriminating features. In principle, there are exponentially many decision trees that can be constructed from a given set of features. While some of the trees will be
问题补充： |
|
2013-05-23 12:21:38
正在翻译，请等待...
|
|
2013-05-23 12:23:18
判定树是易使用的;更加有趣的问题是如何修建从，以后被选择一套有识别力的特点的训练数据(纪录)的树。原则上，按指数规律地有可以从一个特定特性集合被修建的许多判定树。
|
|
2013-05-23 12:24:58
判定树是易使用的; 更加有趣的问题是如何修建树从训练 (数据记录)，以后被选择一套有识别力的特点。 原则上，有指数地可以从一个特定特性集合被修建的许多判定树。 当某些树比其他时准确，发现优选的树不计算上是可行的。然而，一定数量高效率的算法被开发创造或“生长”一合理地准确，虽然最适度一下，判定树在合理的时间。 这些算法通常使用使用最情报的属性特点生长树在每 (步) ，并且不准许回溯的一个贪婪的战略。 最情报的属性将是分裂到达在结的集合入最同类的子集的那个。
|
|
2013-05-23 12:26:38
决策树是简单易用 ；更有趣的问题是如何构建培训数据 （记录），从树后选择了一套的识别功能。原则上，是可以从一组给定的功能构造的指数级增长许多决策树。虽然有些树会比其他人更准确，寻找最优树是不计算上可行。然而，已制定若干的高效算法来创建或合理准确的虽然不理想，决策树"长大"在合理的时间内。这些算法通常雇用的每一步成长使用资料最丰富的特性 （功能） 的树贪婪策略，并且不允许回溯。资料最丰富的属性将是分裂抵达该节点为最齐的子集的集。
|
|
2013-05-23 12:28:18
决策树是易于使用;更有趣的问题是,如何构建在树中从训练数据[记录],之后选择一个设置的歧视性功能。 从原则上讲,有很多决策树呈指数级增长,构建可以从一个给定的功能。 虽然有一些树将比其他国家更为准确,找到最优树不计算可行。然而,一些高效算法已经制定或“随增长,随投资”合理的准确,尽管不是最优,决策树在一个合理的时间。 这些算法通常雇用一个贪婪的增长战略,树中最丰富的使用属性[功能]在每一个步骤,不允许回溯了。 最丰富的属性将成为一个集拆分,到达该节点到子集的最相似。
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
