決策樹的剪枝是什么？決策樹的剪枝是什么？（1）繪制決策樹。從左到右繪制決策樹的過程就是決策問題的再分析過程。（2） 每個方案的期望值從右到左計算，結(jié)果寫在相應(yīng)方案節(jié)點(diǎn)的上方。期望值沿決策樹的相反方向從

決策樹的剪枝是什么？決策樹的剪枝是什么？

（1）繪制決策樹。從左到右繪制決策樹的過程就是決策問題的再分析過程。（2） 每個方案的期望值從右到左計算，結(jié)果寫在相應(yīng)方案節(jié)點(diǎn)的上方。期望值沿決策樹的相反方向從右向左計算。（3） 通過比較各方案的期望值，進(jìn)行剪枝優(yōu)化。在備選方案的分支上，使用“=”切斷。

想做數(shù)據(jù)分析是學(xué)python還是學(xué)大數(shù)據(jù)？

大數(shù)據(jù)結(jié)構(gòu)中的很多組件都是用Java語言編寫的，還有一些是用Scala編寫的，比如Hadoop中的HDFS、MapReduce、yarn、ZK、HBase、hive、spark等。這些東西更傾向于數(shù)據(jù)工程、數(shù)據(jù)處理和計算。Python語言，包括pandas、numpy、SciPy等數(shù)據(jù)分析擴(kuò)展包，通過學(xué)習(xí)使用這些包，可以充分掌握數(shù)據(jù)分析的能力。因此，要學(xué)習(xí)數(shù)據(jù)分析，建議學(xué)習(xí)Python而不是大數(shù)據(jù)。

學(xué)Python一定要會算法嗎？

開始時，您不必很好地學(xué)習(xí)算法。但是隨著技術(shù)的發(fā)展，仍然需要算法，否則只能做一些工作。

1. 學(xué)好軟件開發(fā)離不開計算機(jī)理論基礎(chǔ)，比如數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡(luò)技術(shù)、算法研究等，如果你喜歡這項技術(shù)，那就不是問題。先開始，你可以彌補(bǔ)。

2. 算法是軟件開發(fā)的靈魂。好的算法寫不出好的程序。

3. 如何學(xué)習(xí)算法，首先選擇經(jīng)典算法教材?；镜目梢詮臄?shù)據(jù)結(jié)構(gòu)中學(xué)習(xí)，其中包含一些基本的算法，然后再學(xué)習(xí)特殊的算法（實際上，在數(shù)據(jù)結(jié)構(gòu)領(lǐng)域?qū)W習(xí)算法一般就足夠了）。網(wǎng)上還有很多論壇、算法網(wǎng)站，為了吸引眼球，它們一般都很通俗易懂。大多數(shù)算法都是C語言，但是語言在算法層次上是相互聯(lián)系的，因此理解算法模型是最重要的。

4. 萬事開頭難。只要你開始，剩下的就是慢慢操作這項技術(shù)。該算法在實際應(yīng)用中是最快、最強(qiáng)的。

希望對您有所幫助

我已經(jīng)使用Python 7年多了，現(xiàn)在我正在從事視頻對象識別算法的開發(fā)，使用tensorflow，它也是基于Python語言的。Python是一種解決所有問題的語言，值得擁有

！我從2012年開始學(xué)習(xí)機(jī)器學(xué)習(xí)，因為沒有指導(dǎo)，我走了很多彎路，浪費(fèi)了很多時間和精力。一開始，我讀了《機(jī)器學(xué)習(xí)實踐》一書。雖然我不懂，但我還是把書中所有的例子都跑了一遍，漸漸發(fā)現(xiàn)自己不懂算法也能達(dá)到預(yù)期的效果。然后，我會直接開發(fā)我想要的程序。當(dāng)我遇到需要機(jī)器學(xué)習(xí)的部分時，我會直接復(fù)制它。一周后，演示會出來。在這個時候，你會發(fā)現(xiàn)你已經(jīng)開始了。剩下的就是理解每種算法的范圍和局限性。

不要掉進(jìn)無休止的書堆里，練習(xí)和做項目

！呃，地鐵到了。我要去工作了。我還沒做完呢。有機(jī)會我會繼續(xù)討論的