[B! 決定木] kouhei0128のブックマーク

This domain name expired on 2022-12-21 23:59:59 Click here to renew it. Rtokei.tech Related Searches: Best Mortgage Rates High Speed Internet Top 10 Luxury Cars 10 Best Mutual Funds Work from Home Privacy Policy

kouhei0128 2019/02/28

R
決定木

リンク

データ解析・マイニングとR言語

一般化線形モデルや混合効果モデルなどはデータが何らかの確率分布にしたがうことを前提としてモデルを構築している。しかし、確率分布の仮定は問題によっては条件が厳しい場合もある。確率分布を意識せずにデータの回帰、あるいは判別のモデルを構築する方法としてツリーモデルがある。本章ではツリーモデルの概念、CART のアルゴリズム、CART の操作、いくつかの図示関数、木の生長とコントロール、木の剪定、回帰木などについて説明する。 1．ツリーモデルとはツリーモデル (tree-based model) は回帰分析、判別分析を行う方法であり、回帰の問題では回帰木 (regression tree)、判別・分類の問題では分類木 (classification tree) あるいは決定木 (decision tree) とよばれている。ツリーモデルは、説明変数の値を分岐させ、それらを組み合わせて、予測・判

kouhei0128 2019/02/28

決定木

リンク

タイタニック号の生死判定の精度をC5.0とRandomForestとGBMで比較してみた - INPUTしたらOUTPUT!

仕事でC5.0とRandomForest、GBMを比較することがあったのでタイタニック号の生死判定をcaretパッケージでやってみた。 caretの使い方は以下を参考にさせて頂いた。 Tokyo r11caret from dichika 以下コード library(caret) data(Titanic) # Create Data tmp.titanic <- data.frame(Titanic) titanic <- data.frame( Class = rep(tmp.titanic$Class, tmp.titanic$Freq), Sex = rep(tmp.titanic$Sex, tmp.titanic$Freq), Age = rep(tmp.titanic$Age, tmp.titanic$Freq), Survived = rep(tmp.titanic$Surv