我在研究BST树堆分类。void heapSort(int arr[], int n){for (int i = n / 2 - 1; i >= 0; i--)heapify(arr, n, i); ----------结果表明，树的第二层指数的最优节点总是n/2-1。
浏览 1提问于2016-12-31得票数 1
1回答
重新设置决策树以添加层。
、、、
我想知道是否有一种方法可以重用现有的DecisionTreeClassifier来添加另一个层。
或者用其他分
浏览 2提问于2018-03-16得票数 1
回答已采纳
1回答
决策树分类属性的复杂性
、、、
我正在尝试找出二进制决策树算法的时间复杂度。我了解到，在每个节点上，复杂性都受到搜索最佳属性O(m nlog n)的复杂性的限制，因为知道m是特征的数量，n是训练集中的示例数量。我认为我们应该用O(m nlog n)乘以节点数来得出整个算法的复杂度，是吗？我不明白为什么在某些资源中，决策树的复杂性只被认为是O(m nlog n)！
有人能解释这个吗？根据使用分类属性还是连续属性，复杂性的计算有什么不同吗？
浏览 2提问于2019-11-05得票数 3
1回答
图像分割:创建多边形
、、、
然后，我尝试使用决策树:对于每一幅图像，我使用所有像素的输入、x和y位置以及黑白分类来训练决策树。然后我只使用了这棵树的第一个n层。使用这棵新树，我对所有像素都做了预测。有时效果很好，但有时不行。特别是树的深度因图片而异.非常感谢凯文
浏览 5提问于2016-10-12得票数 7
1回答
遍历层树的复杂性
、、、
我有一棵图层树，看起来像这样
第一层树是一种平衡的二叉树，它以特定的顺序存储一些数据(例如整数)，第一层树的每个节点v都包含一个指向平衡二叉树根的指针，称为第二层树，将Sv1( v的子树)的点存储在它的叶子上现在有一个更新函数，它接受像p这样的输入，其作用如下：
在第一层树中搜索p，对于搜索路径上的每个节点v搜索第二层中的p，设Lv是该第二层树的叶子，其中
浏览 2提问于2015-07-30得票数 1
我正在尝试用Tree行为从分类表中填充一个复选框。当树高达5层深时，复选框将大量填充。我使用的是CakePHP 2.3.5。
浏览 8提问于2015-01-01得票数 1
我对产品类别有一个复杂的分类层次结构。我已经使用视图为顶层创建了一个自定义模板。
我正在尝试弄清楚如何使用自定义模板动态呈现分类术语，这取决于它是在级别1下还是在级别2下。
浏览 9提问于2013-10-04得票数 0
1回答
假设我们在分类层之前有一个kN神经元的特征表示。现在，分类层产生一个只有本地连接的大小为N的输出层。也就是说，输出端的kth神经元是通过从k_N到k_N+N位置的输入神经元来计算的，因此输入层中的每个N个位置(具有步长N)在输出时都给出单个神经元的值。标准线性层中的权矩阵: kNxN = kN^2变量
局部线性层权矩阵：(kx1)@N</
浏览 6提问于2019-12-23得票数 4
1回答
我必须使用梯度引导决策树在Python中构建一个分类模型，并获得模型参数(节点处的值)以在硬件上实现。据我所知，梯度增强决策树的最终结果是一个具有阈值的普通决策树分类器，用于对输入数据进行分类。我读过以下文章：
model.estimators_包含模型所包含的所有单个分类器。对于GradientBoostingClassifier，这是一个带有形状的二维numpy数组(n_estimators，n_class
浏览 0提问于2019-04-23得票数 0
回答已采纳
1回答
具体针对下面的代码部分，在链路的样本中，采用(1)利用增强树生成特征，然后利用LR进行训练，优于(2)使用Boosting树本身。问题，
想知道在一般情况下，使用Boosting树来生成特征(并使用另一个分类器进行分类)是否比使用Boosting树进行分类本身更好？同时也想知道为什么用增强树来生成特征，然后用LR来训练，为什么比使用Boosting树本身更好呢？GradientBoostingClassifier(n</e
浏览 0提问于2018-05-01得票数 5
1回答
因此，我们在最后一层使用sigmoid，这使输出范围在0到1之间。如果我们的目标是找到类，那么我们将使用softmax。
浏览 1提问于2018-05-24得票数 3
回答已采纳
2回答
我有一个具有相对复杂的DOM结构的应用程序，其中包含20+层的div。
如果在树的中间有一个带有class="active"的div，我如何使用CSS在树中选择它的父n层？例如，如何在下面的树中选择大写(4层)标记的div？如何在树下选择第一个子n层？
浏览 3提问于2013-01-05得票数 0
回答已采纳
我正在使用随机森林分类器对数据集进行分类。我使用python语言。RandomForestClassifier(n_estimators=200,oob_score=True,n_jobs=-1,random_state=101,max_features=None,min_samples_leaf因此，单个树采用了所有特征。但是，即使我设置了max_feature参数，随机森林分类器中的树也没有使用所有的特征。如何找到单个树中使用的特征数量？或者它有默
浏览 3提问于2018-11-13得票数 0
1回答
我是机器学习领域的初学者，我想学习如何使用梯度增强树(GBT)进行多类分类。我读过一些关于GBT的文章，但是关于回归问题，我找不到关于GBT多类分类的正确解释。GBT的实现是利用回归树作为弱学习者进行多类分类的GradientBoostingClassifier。
GB以提前阶段的方式建立了一个加性模型；它允许对任意可微损失函数进行优化。在每个阶段，n_classes_回归树都适用于二项或多项偏差损失函数的负梯度。二进制分类是一种特殊情况，其中只有一
浏览 0提问于2018-04-25得票数 0
回答已采纳
1回答
我使用带有两个隐藏层的多层感知器来解决含噪声的时序数据集上的二进制分类任务，该数据集的类不平衡为80/20。我在训练集中有3000万行和500个特征。数据集是结构化的，即不是图像。我的原始特性是非常正确的；我尽我最大的努力将它们转换成更好的发行版，方法是要么获取日志，要么对其中的一些日志进行分类。当然，分类问题是非常困难的，可能是一个很弱的信号，但我发现梯度增强树比简单的，比如说64x64多层感知器具有更好的泛化能力(训练集上的日志损失对于网络和梯度增强树都是一样的)。批归一化
浏览 0提问于2017-10-22得票数 6
1回答
我正在创建一个SQL模式来表示类似树的层次结构，但我知道这棵树永远不会超过N层的深度(在应用程序的设计中，N是已知的，最有可能是4或5层)。如果树的深度是固定的，那么通过将树的每一层建模为一个表来设计应用程序更好吗？还是考虑到任意深度(例如邻接列表或嵌套集)来处理它更好？我纯粹是从一个可查询的角度来问这个问题，例如关于树的各个层次的报告。
浏览 0提问于2017-06-11得票数 2
回答已采纳
1回答
对于我的商店，我需要一个2层的分类法树视图，每个父项和子项的项目数都应该显示在括号中。我的问题是:它适用于孩子，但不适用于他们的父母。但看起来是这样的：父母-学期-2 (0)
我的观点
关系
使用聚合:是
(父类)<em
浏览 0提问于2014-09-08得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
