决策树算法源代码(hehe)

时间:2012-01-28 08:51:54
【文件属性】:

文件名称:决策树算法源代码(hehe)

文件大小:157KB

文件格式:RAR

更新时间:2012-01-28 08:51:54

决策树

决策树算法,决策树算法,决策树算法,决策树算法,决策树算法,决策树算法,决策树算法,决策树算法,决策树算法,决策树算法,决策树算法,决策树算法


【文件预览】:
R8
----Data()
--------monk3.data(2KB)
--------crx.names(449B)
--------monk2.test(6KB)
--------labor-neg.names(4KB)
--------vote.names(1KB)
--------labor-neg.data(2KB)
--------monk2.data(2KB)
--------monk3.test(6KB)
--------golf.data(409B)
--------monk3.names(2KB)
--------vote.data(13KB)
--------labor-neg.test(1KB)
--------crx.test(9KB)
--------hypo.data(213KB)
--------soybean.data(193KB)
--------hypo.test(107KB)
--------soybean.names(7KB)
--------golf.names(118B)
--------crx.data(22KB)
--------monk1.test(6KB)
--------monk2.names(2KB)
--------monk1.data(2KB)
--------hypo.names(796B)
--------monk1.names(2KB)
--------vote.test(6KB)
----Doc()
--------c4.5rules.1(2KB)
--------consult.1(2KB)
--------verbose.1(6KB)
--------c4.5.1(5KB)
--------consultr.1(2KB)
--------verbrules.1(4KB)
----Src()
--------testrules.c(7KB)
--------types.i(3KB)
--------buildex.i(888B)
--------prune.c(6KB)
--------st-thresh.c(5KB)
--------rulex.i(1KB)
--------xval.sh(2KB)
--------siftrules.c(18KB)
--------prunerule.c(11KB)
--------c4.5rules.c(3KB)
--------besttree.c(10KB)
--------xval-prep.c(3KB)
--------contin.c(6KB)
--------discr.c(4KB)
--------trees.c(14KB)
--------c4.5.c(4KB)
--------build.c(12KB)
--------subset.c(9KB)
--------genlogs.c(1KB)
--------stats.c(2KB)
--------getnames.c(8KB)
--------info.c(5KB)
--------genrules.c(5KB)
--------consultr.c(6KB)
--------makerules.c(4KB)
--------average.c(2KB)
--------confmat.c(1KB)
--------rules.c(10KB)
--------consult.c(10KB)
--------header.c(671B)
--------getdata.c(4KB)
--------classify.c(4KB)
--------Makefile(3KB)
--------Modifications(7KB)
--------getopt.c(985B)
--------extern.i(2KB)
--------sort.c(1KB)
--------defns.i(1KB)
--------userint.c(6KB)
----LEGAL(821B)
----ReadMe(3KB)

网友评论

  • 挺有用的,值得参考
  • 真心没看懂,要是有详细点的说明就好了~
  • 参考,谢谢!
  • 很好不错的代码,适用新的数据集,值得学习
  • 好,可以参考学习
  • 能参考的例子
  • 很不错的代码,值得一看
  • 代码或许不错,可惜俺下载错了,需要的是java版本的。。。
  • 非常不错,值得学习
  • 非常好的学习资源,能够加深对决策树算法的理解。
  • 不错,值得学习
  • 虽然代码不错,不知道怎么用。。。好吧
  • 比较有用,可适当修改后,适用新的数据集
  • 很好不错的代码,值得学习
  • 学习决策树有用!
  • 应对实验还是借鉴的
  • 对决策数有了一定的了解
  • 很优秀的材料,值得一看
  • 还不错挺好用。
  • 没看明白怎么回事
  • 很好,很实用呢,谢谢啊!
  • 暂时对我没用
  • 很好,值得学习
  • 暂时对我没用。。
  • 程序值得借鉴
  • 是用C写的,没仔细看
  • 不错,这个算法值得学习
  • 很好,对我有帮助
  • 问下,c4。5的make编译以后,DT。names文件在哪里呢?
  • 调试了半天可是调不通啊。。。