decision-tree

0Hitze

1Antwort

So zeigen Sie die Kontingenztabelle in einem neuen Fenster an R

Ich möchte die Kontingenztabelle zur Entscheidungsbaumregression in einem neuen Fenster anzeigen. , wenn ich diese Zeile ausführen: table(filteredDataFinal$rate, predArbreDecision) Der Kontingenztaf

0Hitze

1Antwort

c50 code genannt Ausfahrt mit Wert 1 auf Mushroom Data set

Ich bekomme Fehler während der Arbeit an C5.0 mit Mushroom Data Set. Ich habe die Zielklasse berücksichtigt und es gibt keine fehlenden Werte. f <-file("https://archive.ics.uci.edu/ml/machine-learning

-2Hitze

1Antwort

R PROGRAMMIE Hilfe und versuchen, einen Entscheidungsbaum (jetzt behoben Tippfehler)

Dies ist die R Befehl, den ich einen Entscheidungsbaum erstellen zu erstellen, k <- C5.0(data1[1:16000,-32],as.factor(data2{1:16000,32]) aber dieser Ausgang ich für Fehler: Error: unexpected '{' in

0Hitze

1Antwort

asRules (Baum) R speichern Regeln

ich als nächste Probleme habe: ich einen Entscheidungsbaum mit R erstellt basierend auf rpart Bibliothek, und da ich eine große Liste von Variablen habe, Regeln und endeless Liste. Mit asRules(tree) v

3Hitze

1Antwort

So lösen Sie "Die Daten können nicht mehr Ebenen haben als die Referenz" Fehler bei der Verwendung von ConfusioMatrix?

Ich verwende R-Programmierung. Ich teilte die Daten als Zug & Test für die Vorhersage Genauigkeit. Dies ist mein Code: library("tree") credit<-read.csv("C:/Users/Administrator/Desktop/german_credit (

0Hitze

1Antwort

Ausgabe J48 Baum in Textdatei in R

Ich habe die decision tree für churn Datensatz mit J48() Funktion von RWeka Paket. Der Baum ist sehr groß, daher kann ich den ganzen Baum nicht sehen. Ich möchte es in einer Textdatei ausgeben, aber d

1Hitze

1Antwort

Ändern der Etikettengröße beim Zeichnen bedingter Inferenzbäume in R

Ich muss bedingte Inferenzbäume (in der Parteibibliothek von R) in einen Doktorarbeitstext einfügen, deshalb muss ich alle grafischen Parameter einstellen. Ich weiß, dass die optimale Breite 700 ist (

1Hitze

1Antwort

Entscheidung Bäume/Stümpfe mit Adaboost

Ich habe gerade angefangen, über Entscheidungsbäume mit Adaboost zu lernen und probiere es auf OpenCV aus und habe einige Fragen. Boosted Decision Trees Ich verstehe, dass wenn ich AdaBoost mit Decisi

0Hitze

1Antwort

Erhalten DOT graphviz verschachtelter Listenelemente, welche Knoten

dupliziert I enthalten, können eine Reihe von verschachtelten Listen haben, die in drei Gruppen getrennt werden können: A (Subelemente sind Disjunktion, Linienfarben Grün), z.B. listA = { ‘a1’: ['b1'

-2Hitze

2Antwort

was in Entscheidungsbaum mit R Mittelwert y

i in R. Irisdaten verwenden i Code wie folgt geschrieben: irisctree<-ctree(Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width) plot(itisctree,type="simple") und führen mich so sehen: