01決策樹原理概論
樹模型決策樹：從根節點開始一步步走到葉子節點
所有的資料最終都會落到葉子節點，既可以做分類也可以做回歸
樹的組成
根節點：第乙個選擇點
非葉子節點與分支：中間過程
葉子節點：最終的決策結果
節點增加節點相當於在資料中切一刀
決策樹的訓練與測試
訓練階段：從給定的訓練集構造出來一棵樹（從根節點開始選擇特徵，如何進行特徵切分）
測試階段：根據構造出來的樹模型從上到下去走一遍就好了
一旦構造好了決策樹，那麼分類或者**任務就很簡單了，只需要走一遍就可以了
02衡量標準—熵
熵：熵是表示隨機變數不確定性的度量
不確定性越大，得到的熵值越大
資訊增益：表示特徵值x使得y的不確定性減少的程度
7 20英語學習筆記
一 exercise 1.hamper n阻礙，盒子，v阻礙 hammer n錘子 2.ignore v忽視 ignorance n無知 ignorant adj無知的 3.migrate 移民 immigrate 移民入境 emigrate 移民出境 4.inherit v繼承 heir n繼承人...
Matlab基礎學習活動（7 20）
y inline sin x 1 3 x x 2 x y 內聯函式 x input 請輸入資料 輸入資料 str num2str x 轉換字串 str1 long length str 字串長度 for i 1 length str str1 strcat str1,str long long lo...
總結 二叉堆 7 20
堆一般有兩個重要的操作，put 往堆中加入乙個元素 和get 從堆中取出並刪除乙個元素 put一般用來建堆和維護堆，get則是得到最小值。堆在noip競賽中應用廣泛，常用與快速查詢最大 最小值 優化各種演算法 如 最短路演算法 dp演算法 是一種效率高，應用廣泛的資料結構。顯然，堆只能以乙個關鍵字作...