集成学习：
算法 理论（三）1 决策树1.1 分类树1.1.1 信息熵1.1.2 案例1.1.3 基尼Gini指数1.1.4 案例1.2 回归树1.2.1 回归树分支标准1.2.2 案例
1 决策树
1.1 分类树
1.1.1 信息熵
信息熵是用来衡量信息不确定性的指标，不确定性是一个事件出现不同结果的可能性，计算方法如下所示：
H(X)=−∑i=1nP(X=i)log2P(X=i)H(X)=-sum_{i=1}^{n}P(X=i)log_2P(X=i)H(X)=−i=1∑nP(X=i)log2P(X
到此这篇rmsprop算法（rmq算法）的文章就介绍到这了,更多相关内容请继续浏览下面的相关 推荐文章，希望大家都能在编程的领域有一番成就！版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/rfx/13265.html