文件名称：hw2-decision-trees:决策树
文件大小：36KB
文件格式：ZIP
更新时间：2024-05-13 00:19:22
Python
HW2：EECS 349 @ NU的决策树 重要提示：把你的NETID在文件netid在分配的根目录。 这用于将自动分级机输出放入Canvas。 请不要在此处放置别人的netid，我们将进行检查。 在此作业中，您将： 了解并实施针对机器学习算法的评估措施 实施信息获取和熵测度 使用ID3算法实现决策树 实施先验概率分类器 比较和对比不同数据集上的机器学习方法 在简洁明了的报告中写下您的结果 克隆此存储库 要克隆此存储库，请在计算机上安装GIT并复制存储库的链接（在上面的“克隆或下载”中查找），然后在命令行中输入： git clone YOUR-LINK 另外，如果您正在浏览器的提交存储库中查看此自述文件，则只需查看地址栏中的链接即可。 克隆后，将cd放入克隆的存储库中。 每个作业都有一些文件需要编辑才能完成。 您编辑的文件 有关要编辑的文件，请参阅Problems.md。 不要在
【文件预览】：
hw2-decision-trees-master
----problems.md(5KB)
----tex()
--------a293d914d054946fddd8fb36eadc4799.svg(10KB)
--------3ad4ece50c40480076bd450203ac449d.svg(11KB)
--------55a049b8f161ae7cfeb0197d75aff967.svg(3KB)
--------6c4adbc36120d62b98deef2a20d5d303.svg(3KB)
--------a9a3a4a202d80326bda413b5562d5cd1.svg(3KB)
--------e3d7babdf84d997af0eefde61fc68c05.svg(4KB)
----src()
--------decision_tree.py(8KB)
--------data.py(3KB)
--------experiment.py(2KB)
--------__init__.py(261B)
--------prior_probability.py(2KB)
--------metrics.py(3KB)
----requirements.txt(88B)
----LICENSE(1KB)
----netid(15B)
----README.md(3KB)
----data()
--------ivy-league.csv(1KB)
--------PlayTennis.csv(188B)
--------candy-data.csv(2KB)
--------xor.csv(291B)
--------majority-rule.csv(997B)
----tests()
--------report.json(452B)
--------test_data.py(1KB)
--------test_experiment.py(2KB)
--------test_netid.py(134B)
--------__init__.py(0B)
--------rubric.json(2KB)
--------conftest.py(6KB)
--------test_metrics.py(1KB)
--------test_utils.py(1KB)
--------test_result.json(750B)
--------test_a_environment.py(491B)
----.gitignore(1KB)