决策树工具箱

❶ 随机森林开源工具箱科罗拉多大学

随机森林顾名思义，是用随机的方式建立一个森林，森林里面有很多的决策树组回成，随机森林的每一棵答决策树之间是没有关联的。在得到森林之后，当有一个新的输 入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类被选择最多，就预测这个样本 为那一类。
在建立每一棵决策树的过程中，有两点需要注意 - 采样与完全分裂。首先是两个随机采样的过程，random forest对输入的数据要进行行、列的采样。对于行采样，采用有放回的方式，也就是在采样得到的样本集合中，可能有重复的样本。假设输入样本为N个，那 么采样的样本也为N个。

❷ 好用的数据分析工具有哪些

数据分析再怎么说也是一个专业的领域，没有数学、统计学、数据库这些知识的支撑，对于我们这些市场、业务的人员来说，难度真的不是一点点。从国外一线大牌到国内宣传造势强大的品牌，我基本试用了一个遍，总结一句话“人人都是数据分析师”这个坑实在太大，所有的数据分析工具无论宣传怎样，都有一定的学习成本，尤其是要深入业务实际。今天就我们用过的几款工具简单总结一下，与大家分享。

1、Tableau

这个号称敏捷BI的扛把子，魔力象限常年位于领导者象限，界面清爽、功能确实很强大，实至名归。将数据拖入相关区域，自动出图，图形展示丰富，交互性较好。图形自定义功能强大，各种图形参数配置、自定义设置可以灵活设置，具备较强的数据处理和计算能力，可视化分析、交互式分析体验良好。确实是一款功能强大、全面的数据可视化分析工具。新版本也集成了很多高级分析功能，分析更强大。但是基于图表、仪表板、故事报告的逻辑，完成一个复杂的业务汇报，大量的图表、仪表板组合很费事。给领导汇报的PPT需要先一个个截图，然后再放到PPT里面。作为一个数据分析工具是合格的，但是在企业级这种应用汇报中有点局限。

经过多家产品的试用，个人感觉无论功能怎样的工具，都需要一定的学习成本，因为数据分析毕竟是一个专业的领域，每一个工具都有自己的设计逻辑和操作方式，只是有难有易罢了！在选择工具的时候，需要结合自己的实际业务需求出发，进行总结和对比。可以申请试用哦！

❸ optimize是matlab哪个工具箱里的

optimize是matlab哪个工具箱里的抄
决策树(Decision Tree)是在已知各种袭情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。

❹ 在envi中用决策树做分类，其ndvi值是直接用ndvi工具算还是用band math，ndvi值是否用cursor value来查看

ndvi直接用工具计算就可以，要确定分类的阈值就应该用cursor value查看来确定。

❺ sqlserver数据挖掘工具中的决策树算法 使用PredictSupport预测后 如何在预测结果中加入预测结果属于哪个节

不太明白你说的意思
呵呵 你干嘛用sqlserver作决策树啊，很多成型的软件可以做啊

❻ envi5.1中怎么安装基于cart算法的决策树规则自动获取扩展工具

❼ 判定表和判定树应该用什么工具画excel吗还是其他的软件

什么判定表，判定树

❽ Matlab关于决策树的是在哪个工具箱里

决策树(Decision Tree)是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于回等于零的概率，评答价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。

决策树的优缺点：
优点：

1) 可以生成可以理解的规则。

2) 计算量相对来说不是很大。

3) 可以处理连续和种类字段。

4) 决策树可以清晰的显示哪些字段比较重要

缺点：

1) 对连续性的字段比较难预测。

2) 对有时间顺序的数据，需要很多预处理的工作。

3) 当类别太多时，错误可能就会增加的比较快。

4) 一般的算法分类的时候，只是根据一个字段来分类。

❾ excel VBA制作决策树工具

你这数据量估计非常大吧,建义用VBA 加 ACCESS 的方式进行 便于数据处理这样逻辑会更清楚数据也更容易管理和规范
加 二七二九三一一九四八 如果你需要的话可以联系我在讨论你的具体细节