就是我现在做出行时段预测，一天24小时，每隔3小时分为8组，这些是分类标签。然后数据X的话，有出行方式，性别，年龄等等。例如出行方式里面又分为6组，火车，高铁等等。最后我的模型，对测试集精度很低。然后我先剪枝，但减去几列后，依然很低，精度只有0.2左右。我现在开始觉得是不是我每列分类太多的原因，但又觉得决策树算法应该有能力处理比较复杂的分类问题，很困扰。
4条回答 默认 最新
鸡蛋酱$ 2022-05-20 21:46关注获得2.50元问题酬金 你的出行方式有六种，属于特征，你试一试把你的出行方式弄成ont-hot编码来试一试，这样就不存在每列分类太多的问题啦
解决 无用评论 打赏举报
分享
- 2025-02-20 10:55本文通过一个典型的多类分类问题——鸢尾花分类，介绍了如何利用决策树模型在Python环境下进行数据集的分类处理。 首先，我们来了解一下鸢尾花数据集。鸢尾花数据集是机器学习领域的一个经典数据集，由英国统计学家...
- 2022-04-26 20:23运用python对ID3算法原理进行编写，然后应用再男女分类上，形成树。读者可以直接使用，可根据自己的需求修改训练集和测试集
- 2021-01-21 17:29在上一篇文章中，我们已经构建了决策树，接下来可以使用它用于实际的数据分类。在执行数据分类时，需要决策时以及标签向量。程序比较测试数据和决策树上的数值，递归执行直到进入叶子节点。 这篇文章主要使用决策树...
- 2023-11-15 20:16这个项目是基于 Python 编写的，使用决策树算法对鸢尾花数据集进行分类。决策树是一种常用的监督学习算法，适用于分类和回归问题。在这个项目中，我们主要关注鸢尾花分类任务。 项目介绍： 数据集： 项目使用经典...
- 2023-03-30 09:22首先，我们需要导入必要的Python库，如pandas用于数据处理，sklearn库中的DecisionTreeClassifier用于构建决策树模型，以及matplotlib和seaborn用于数据可视化。数据集通常以CSV或Excel格式存储，因此我们可以使用...
- 2020-09-11 16:34决策树算法是机器学习领域中一种简单而有效的分类方法，尤其适用于初学者和数据分析任务。在本项目中，我们将利用Python3环境，结合MNIST数据集来实践决策树的实现。MNIST数据集是一个广泛使用的手写数字识别数据集...
- 2017-12-08 10:57C4.5决策树是一种广泛使用的机器学习算法，主要用于分类任务。它是由Ross Quinlan开发的，是对ID3算法的改进，...通过理解C4.5算法的原理和Python实现，我们可以更好地理解和应用决策树模型，从而解决复杂的分类问题。
- 2020-09-20 03:19总的来说，Python实现决策树分类涉及到数据处理、信息熵计算、特征选择和递归构建决策树等多个步骤。在实际应用中，还需要考虑算法的效率和优化，比如使用剪枝技术来防止过拟合。通过这种方式，我们可以构建出一个能...
- 2022-04-11 20:39貮叁的博客 目录模拟数据决策树分类算法构建数据集绘制决策树代码 模拟数据 编号 年龄 收入范围 工作性质 信用评级 购买决策 01 <30 高 不稳定 较差 否 02 <30 高 不稳定 好 否 03 30-40 高 不稳定 较差 是 ...
- 2020-09-20 10:47完整的C4.5算法实现需要包含完整的函数定义、数据处理逻辑以及决策树的构建过程。在实际应用中，还需要进行数据预处理、模型评估和调优等步骤以达到更好的分类效果。 在机器学习领域，决策树是一种常用的分类模型，...
- 没有解决我的问题, 去提问
问题事件
系统已结题
5月28日
创建了问题
5月20日