Bài giảng Học máy thống kê: Cây quyết định (Decision Tree) giới thiệu một thuật toán học máy trực quan và dễ hiểu, được sử dụng rộng rãi cho cả phân loại và hồi quy. Chuyên đề này sẽ hướng dẫn cách xây dựng cây quyết định, các điều kiện dừng và cách xử lý các dạng dữ liệu khác nhau. Nắm vững cây quyết định giúp bạn tạo ra các mô hình dễ giải thích. Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Bài thuyết trình Ứng dụng khai thác dữ liệu (Data Mining and Application): Decision Tree giới thiệu về mô hình cây quyết định và các thuật toán xây dựng cây. Nội dung bao gồm các khái niệm như entropy, information gain, Gini index và các kỹ thuật tránh overfitting. Đây là mô hình trực quan và dễ hiểu, thường được sử dụng trong các bài toán phân loại. Mời các bạn cùng tham khảo để biết thêm chi tiết!

This study focuses on developing a machine learning model through the process of analyzing. comparing, and evaluating the performance of five models: AdaBoost, Decision Tree, RandomForest, ExtraTree, and BernoulliNB. All models are implemented using the "Predict Student Dropout Dataset." Based on the results obtained after processing the data, the study will conduct an analysis based on two main criteria: evaluation by average percentage, standard deviation, and final outcomes, as well as evaluation using a time-series model of age (Balanced Accuracy Progression).

The research is focused on exploring the applications of Artificial Intelligence algorithms in handling diagnostic wine quality data. The article discusses the successful implementation of the Decision Tree algorithm for this purpose. This drives the main research goal, which revolves around integrating the Decision Tree with flexible sliding window techniques that can continuously adapt and update over time.

At present, artificial intelligence (Al) is one of the most rapidly developing fields in science and technology. In the modern context, Al technologies have become a highly researched area globally, leading to breakthrough technologies that enhance efficiency and effectiveness across various sectors, including environmental security.

This study aims to compare the performance of two models: Random Forest (RF) and Decision Tree (DT). By evaluating their accuracy and efficiency in predicting the Poisson coefficient, this study seeks to determine which model offers superior performance and robustness for this application.

This study proposes the application of Ensemble Decision Tree Boosted (EDT Boosted) model for forecasting the surface chloride concentration of marine concrete Cs. A database of 386 experimental results was collected from 17 different sources covering twelve variables was used to build and verify the predictive power of the EDT model.

Bài giảng Nhập môn Học máy và Khai phá dữ liệu: Chương 7, chương này cung cấp cho học viên những nội dung về: phân lớp; cây quyết định (Decision tree); học cây quyết định (Decision tree –DT– learning); biểu diễn cây quyết định; giải thuật ID3; học cây quyết định và chiến lược tìm kiếm;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Luận văn sử dụng phân lớp dữ liệu dựa trên cây quyết định để xây dựng các mô hình phân lớp hỗ trợ việc thực hiện các công việc quản lý nguồn nhân lực: giám sát công việc của nhân viên, hoạch định mô hình tổ chức, theo dõi giám sát số liệu của hồ sơ, hỗ trợ việc ra quyết định lựa chọn cán bộ tham gia chương trình đào tạo.

Proposing a model to classify by fuzzy decision trees and a method to select the feature training samples set for classification process. Recommending the linguistic value treatment method of inhomogeneous attributes based on hedge algebra. Proposing the algorithms by fuzzy decision tree in order to be effective in predicting and simple for users.

Đồ án tốt nghiệp: Nghiên cứu Datamining microsoft server 2005 với thuật toán microsoft association rules và microsoft decision tree trình bày về khái niệm khai thác dữ liệu; các thuật toán khai thác dữ liệu; decision tree; định hướng phát triển. Mời các bạn tham khảo.

Cây quyết định (decision tree) là một trong những hình thức mô tả dữ liệu trực quan nhất, dễ hiểu nhất đối với người dùng. Cấu trúc của một cây quyết định bao gồm các nút và các nhánh. Nút dưới cùng được gọi là nút lá, trong mô hình phân lớp dữ liệu chính là các giá trị của các nhãn lớp (gọi tắt là nhãn). Các nút khác nút lá được gọi là các nút con, đây còn là các thuộc tính của tập dữ liệu, hiển nhiên các thuộc tính này...

Modifiable risk factors predicting major depressive disorder at four year follow-up: a decision tree approach

Tuyển tập các báo cáo nghiên cứu về y học được đăng trên tạp chí y học Critical Care giúp cho các bạn có thêm kiến thức về ngành y học đề tài: Cost effectiveness of community-based therapeutic care for children with severe acute malnutrition in Zambia: decision tree model...

Tuyển tập các báo cáo nghiên cứu khoa học ngành y học tạp chí Medical Sciences dành cho các bạn sinh viên ngành y tham khảo đề tài: MALDI-TOF MS Combined With Magnetic Beads for Detecting Serum Protein Biomarkers and Establishment of Boosting Decision Tree Model for Diagnosis of Colorectal Cancer...