В этом блоге рассказывается о другом интересном алгоритме машинного обучения, называемом деревьями решений, и его математической реализации. В каждый момент нашей жизни мы принимаем какие-то решения, чтобы двигаться дальше. Точно так же этот алгоритм машинного обучения также принимает те же решения в отношении предоставленного набора данных и определяет наилучшее разделение или решение на каждом этапе, чтобы повысить точность и принять лучшие решения. Это, в свою очередь, помогает в..

Дерево решений — один из самых простых алгоритмов для понимания и интерпретации. Если вы знакомы с операторами if-else в программировании, то это почти все, что вам нужно знать, чтобы понять, как работает алгоритм дерева решений. Даже если вы не знакомы с программированием, но если вы примените свой здравый смысл и обратитесь к примерам из реальной жизни, вы легко поймете алгоритм дерева решений. Например, если в автомобиле есть топливо, то он заведется, если вы попытаетесь, то вы можете..

В моем предыдущем рассказе я пытался объяснить энтропию. Мой предыдущий рассказ вы можете найти здесь . В этой истории я попытаюсь объяснить интуицию, лежащую в основе получения информации, где ее использовать и как ее рассчитать. В отличие от энтропии, прирост информации имеет дело с двумя переменными. Он измеряет, сколько информации содержит переменная по отношению к другой переменной. В простейшем случае это уменьшение энтропии. Прирост информации используется в деревьях..