1
A
回答
1
我的理解是這樣的方式:
決策節點:
其中有一個要求組決定勝負的節點:前:利潤> 50K。機會節點:
節點都沒有一套要求,以確定在拆分,但東西,只是有發生或不防爆的概率去:成功或失敗的50%的機會的業務。終端節點:
分裂的結束,所以東西送入這個,但沒有出來呢。通常有一些結果。例如:商業成功。
0
決策節點:這些變量包括上影響圖或決策樹,他們在哪裏的決定將不得不作出,它們通常是由正方形或長方形描繪點。通過E. Felix大師。
相關問題
- 1. Java中的決策樹節點方法
- 2. R中決策樹中的節點 - 需要更多節點
- 3. scikit-learn決策樹節點深度
- 4. Microsoft決策樹:特定節點的支持案例
- 5. 使用Adaboost時訪問和修改OpenCV決策樹節點
- 6. R從partykit決策樹中提取終端節點信息
- 7. 來自決策樹的葉節點的前n個分裂
- 8. 決策樹 - 節點的熵可以爲零嗎?
- 9. 來自決策樹的前n類葉節點
- 10. 決策樹有2個類似的節點
- 11. J48使用WEKA輸出決策樹節點
- 12. 非二元決策樹到二元決策樹(機器學習)
- 13. 隨機決策樹分類
- 14. 機器學習,決策樹
- 15. J48決策樹
- 16. 決策樹jQuery
- 17. 決策樹。噪聲策略
- 18. 情節決策邊界matplotlib
- 19. 如何獲得RPART中決策樹的一個終端節點中的數據
- 20. 決策樹問題解決
- 21. 決策樹在樹決策中保持使用Y變量
- 22. 我如何從x_train被預測的決策樹中獲取葉的節點號?
- 23. 決策樹:細化
- 24. 決策樹結果
- 25. weka決策樹java
- 26. 建模決策樹
- 27. 決策樹修剪
- 28. 修剪決策樹
- 29. Python決策樹GraphViz
- 30. 決策樹組件