Discussione sull’articolo "Scienza dei Dati e Apprendimento Automatico (Parte 05): Alberi Decisionali"
Salve signor Omega,
Grazie mille per la soluzione ID3. è molto utile per me. Tuttavia ho fornito e allegato un foglio excel a questo proposito, che penso sia chiaro per le sue spiegazioni.
Grazie ancora,
F.Mahmoudian
Salve signor Omega,
Grazie mille per la soluzione ID3. è molto utile per me. Tuttavia ho fornito e allegato un foglio excel a questo proposito, che credo sia chiaro per le sue spiegazioni.
Grazie ancora,
F.Mahmoudian
molte grazie, sto ancora cercando di capire come lasciare che lo script disegni l'albero stesso
A proposito, perché tutti sono così ossessionati da MO, AI e DeepLearning? C'è una cosa vecchia e dimenticata, che l'antipasto di attualità ci ha ricordato. Esistono sistemi esperti e ogni sorta di valutazione ponderata. Certo, i metodi hanno 30-50 anni, non sono alla moda, ma si attengono al modello fisico e alle relazioni di causa ed effetto e i loro risultati sono interpretabili. DEVO SCAVARE LÌ DENTRO.
È l'unica cosa che potrebbe potenzialmente essere un filtro per segnali già calcolati. Gli altri metodi in questa direzione sono fottuti.
A proposito, perché tutti sono così ossessionati da MO, AI e DeepLearning? C'è una cosa vecchia e dimenticata, che l'antipasto di attualità ci ha ricordato. Esistono sistemi esperti e ogni sorta di valutazione ponderata. Certo, i metodi hanno 30-50 anni, non sono alla moda, ma si attengono al modello fisico e alle relazioni di causa ed effetto e i loro risultati sono interpretabili. DOVRÒ SCAVARE LÌ DENTRO.
è l'unica cosa che potenzialmente potrebbe essere un filtro per segnali già calcolati. Gli altri metodi in questa direzione sono stati sballati.
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Accetti la politica del sito e le condizioni d’uso
Il nuovo articolo Scienza dei Dati e Apprendimento Automatico (Parte 05): Alberi Decisionali è stato pubblicato:
Gli alberi decisionali imitano il modo in cui gli esseri umani pensano nel classificare i dati. Vediamo come costruire alberi e utilizzarli per classificare e prevedere alcuni dati. L'obiettivo principale dell'algoritmo degli alberi decisionali è separare i dati con impurità in nodi puri o vicini.
Gli alberi decisionali utilizzano molteplici algoritmi per decidere di dividere un nodo in due o più sottogruppi di nodi. La creazione di sottonodi aumenta l'omogeneità dei sottonodi risultanti. In altre parole, possiamo dire che la purezza del nodo aumenta rispetto alla variabile target. L'algoritmo dell'albero decisionale suddivide i nodi su tutte le variabili disponibili e poi seleziona la suddivisione che risulta nei sottonodi più omogenei.
La selezione dell'algoritmo si basa sul tipo di variabili target.
Di seguito sono riportati gli Algoritmi utilizzati nell'Albero Decisionale:
In questo articolo creerò un albero decisionale basato sull'algoritmo ID3, discuteremo e utilizzeremo gli altri algoritmi nei prossimi articoli di questa serie.
Autore: Omega J Msigwa