热门标签
热门文章
- 1Nginx反向代理相关事宜
- 2【机器学习入门】(5) 决策树算法实战：sklearn实现决策树，实例应用（沉船幸存者预测）附python完整代码及数据集_深度学习 决策树实战
- 3Sublime Text插件安装和使用_sublime text如何导入包tableedit
- 4Amazon SageMaker测评_sagemaker如何上传数据
- 5Pytorch学习笔记（I）——预训练模型（一）：加载与使用_如何判断预训练模型加载成功了
- 6【C语言】文件的打开和关闭，文件的顺序读写_c语言文件打开与关闭
- 7还有半小时下班，用Python写个五子棋摸摸鱼~一天就过去啦~_摸摸鱼秒玩代码
- 8高德地图的No implementation found for 问题解决_no implementation found for java.lang.string com.a
- 9html中如何给input输入框这个一个默认值
- 10Qt 5.8下自定义控件属性栏属性自我添加_ytcqt
当前位置: article > 正文
如何用机器学习算法计算特征重要性_基尼指数能计算svm bpnn输入特征的重要度
作者：Monodyee | 2024-02-26 07:25:13
赞
踩
基尼指数能计算svm bpnn输入特征的重要度
1.决策树
使用基尼系数（GI）和信息增益（IG）为决策树计算特征重要性。
（1）信息增益（information gain）
假定当前样本集合D中第k类样本所占我的比例为
假定离散属性a有V个可能的取值
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Monodyee/article/detail/144915
推荐阅读
相关标签
