机器学习之决策树算法

决策树(DecisionTree),是一种树状结构,上面的节点代表算法的某一特征,节点上可能存在很多的分支,每一个分支代表的是这个特征的不同种类(规则),最后叶子节点代表最终的决策结果。决策树的构造只会影响到算法的复杂度和计算的时间,不会影响决策的结果。为了更直观地理解决策树,我们现在来构建一个简单的邮件分类系...

从繁星到洞察:量化投资的数据转化之路

3、特征选择:作为提升模型性能的关键步骤。不是所有构造的特征都对模型的预测有帮助,一些特征可能是冗余的,或者与预测目标关联性不大。使用统计测试(如卡方测试、ANOVA)和基于模型的方法(如决策树、Lasso回归)可以识别最有效的特征。这一步不仅优化了模型的性能,还能显著减少模型训练和部署时所需的计算资源。通过上述...

华夏基金宋洋:系统化、可持续、多资产的绝对收益投资

宋洋系统化的特征是可延展、可回溯、可迭代,进而构建出稳定性较强的投资框架,形成稳定的投资风格,最终的目标是通过系统化的投资框架帮助我们穿越市场周期和市场风格,为持有人输出收益风险特征稳定的投资结果。系统化投资是可延展的:通过系统化的投资,能够实现一个更加开放的系统。我们有许多不同的策略工具,每一个策略...

人工智能领域最重要的50个专业术语(中英文对照)

-决策树是一个预测模型;它通过一系列问题来预测对象的标签或数值,类似于流程图的结构。21.随机森林RandomForests-随机森林由多个决策树组成,用于提高分类和回归任务的准确率。22.支持向量机SupportVectorMachines(SVM)-SVM是监督学习中的一种算法,用于分类和回归问题。它通过找到数据点间的最优...

【机器学习】数据维度爆炸怎么办?详解5大常用的特征选择方法

有些机器学习方法本身就具有对特征进行打分的机制,或者很容易将其运用到特征选择任务中,例如回归模型,SVM,决策树,随机森林等等。说句题外话,这种方法好像在一些地方叫做wrapper类型,大概意思是说,特征排序模型和机器学习模型是耦盒在一起的,对应的非wrapper类型的特征选择方法叫做filter类型。

8000字详解“聚类算法”,从理论实现到案例说明

特征提取在特征提取方面,算法可以帮助识别数据中的重要特征,为后续的监督学习任务或其他分析提供更有用的数据表示(www.e993.com)2024年11月28日。就像考试前,已经有一位学神帮你勾出了重要知识点,助你逢考必过。再有,像是降维算法,也是无监督学习中常用的特征提取算法,它通过降低数据的维度,保留主要信息的同时减少冗余。这有助于简化数据...

2024年二建《施工管理》真题答案解析(AB卷)第一批

B.初始清单法C.决策树法D.盈亏平衡分析法E.流程图法答案ABE解析施工风险识别可采用专家调查法、财务报表法、初始清单法、流程图法、统计资料法等方法。考点来源2.3.1施工承包风险管理75.采用平衡积分卡法考核施工成本管理绩效的优点有()。A.能够提高考核准确性B.能够实现短期灵活考核...

监理《理论与法规》:决策树法适用范围

1.决策树分析法是适用于风险型决策分析的一种简便易行的实用方法。2.特点:用一种树状图表示决策过程,通过事件出现的概率和损益期望值的计算比较,帮助决策者对行动方案作出抉择。3.当工程监理单位不考虑竞争对手的情况(投标时往往事先不知道参与投标的竞争对手),仅根据自身实力决定某些工程是否投标及如何报价时,则...

为什么说集成学习模型是金融风控新的杀手锏?

Bagging的方法对样本、特征属性随机取样产生多个独立模型,然后平均所有模型的预测值,旨在减小方差(Variance);而Boosting的方法拟合前一个模型的误差,旨在减小偏差(Bias)。RandomForest随机森林的原理是基于原始样本随机抽样获取子集,在此之上训练基于决策树的基学习器,然后对基学习器的结果求平均值,最终得到预测值。

香港战疫的目标、决策树,及deep-state和黄营思维

8.到底如何进行“可持续”的“动态清零”?总结中国防疫体系的优势特征9.香港的中期目标:防疫模式的“决策树”10.回到★选择一:香港到底能不能复制中国内地的模式?11.如果“共存”的代价很大,香港黄营会不会感激内地驰援、认可内地的模式?12.香港的远期目标:到底能不能与内地的体制融合?