|
关注：1
2013-05-23 12:21
求翻译：We now return to the problem of trying to determine the best attribute to choose for each decision node of the tree. The decision mode will receive a mixed bag of instances, and the best attribute will be the one that best separates them into homogeneous subsets (Fig. 3.5). The measure we will use is the gain, which is是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
We now return to the problem of trying to determine the best attribute to choose for each decision node of the tree. The decision mode will receive a mixed bag of instances, and the best attribute will be the one that best separates them into homogeneous subsets (Fig. 3.5). The measure we will use is the gain, which is
问题补充： |
|
2013-05-23 12:21:38
正在翻译，请等待...
|
|
2013-05-23 12:23:18
我们现在回到设法的问题确定最佳的属性为树的每个决定结选择。决定方式将接受杂集事例，并且最佳的属性将是最好分离他们入同类的子集的那个(图3.5)。我们将使用的措施是获取，是对分成造成的杂质的期望的减少例子根据这个属性。
|
|
2013-05-23 12:24:58
我们现在回到设法的问题确定最佳的属性为树的每个决定结选择。 决定方式将接受杂集事例，并且最佳的属性将是最好分离他们入同类的子集的 (那个。 3.5). 我们将使用的措施是获取，是对分成造成的杂质的期望的减少例子根据这个属性。 更加精确地，获取，获取(S， A)，一个属性A，相对样品S的一件收藏品，被定义如下：
|
|
2013-05-23 12:26:38
我们现在回到问题的尝试确定要为树的每个决定节点选择的最佳特性。决策模式将接收参半的情况下，和最佳属性将那个最好将他们分为均质子集 （图 3.5）。我们将使用的措施是增益，这是预期的减少杂质造成的分区根据此属性的示例。更确切地说，增益，增益 (S，A)，属性 A，相对的样本 S，集合的定义如下：
|
|
2013-05-23 12:28:18
我们现在回过头来想问题,确定最佳属性选择的每个决定的树节点。 该决策模式将会收到一个好坏参半的情况下,最好将属性的一个,最好把他们到相似[图子集。 3.5]。 这项措施是我们将使用的增益,这是预期减少杂质造成的例子,分区根据此属性。 更准确地说,增益,增益[,A]、一个属性的,相对于一个收集的样本,被定义为:
|
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
