معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A scikit-learn compatible package for id3 decision tree

ویژگی	مقدار
سیستم عامل	-
نام فایل	decision-tree-id3-0.1.2
نام	decision-tree-id3
نسخه کتابخانه	0.1.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Daniel Pettersson, Otto Nordander
ایمیل نویسنده	svaante@gmail.com, otto.nordander@gmail.com
آدرس صفحه اصلی	https://github.com/svaante/decision-tree-id3
آدرس اینترنتی	https://pypi.org/project/decision-tree-id3/
مجوز	new BSD

|Travis Status| |Coveralls Status| |CircleCI Status| decision-tree-id3 ================= decision-tree-id3 is a module created to derive decision trees using the ID3 algorithm. It is written to be compatible with Scikit-learn's API using the guidelines for Scikit-learn-contrib. It is licensed under the 3-clause BSD license. Important Links --------------- HTML Documentation - https://svaante.github.io/decision-tree-id3 Installation ------------ Dependencies ~~~~~~~~~~~~ - Python (>= 2.7 or >= 3.3) - NumPy (>= 1.6.1) - Scikit-learn (>= 0.17) The package by itself comes with a single estimator Id3Estimator. To install the module: :: pip install decision-tree-id3 or clone the project using: :: git clone https://github.com/svaante/decision-tree-id3.git cd decision-tree-id3 python setup.py install Usage ----- If the installation is successful, you should be able to execute the following in Python: .. code:: python >>> from sklearn.datasets import load_breast_cancer >>> from id3 import Id3Estimator >>> from id3 import export_graphviz >>> bunch = load_breast_cancer() >>> estimator = Id3Estimator() >>> estimator.fit(bunch.data, bunch.target) >>> export_graphviz(estimator.tree_, 'tree.dot', bunch.feature_names) And to generate a PDF of the decision tree using GraphViz: .. code:: shell dot -Tpdf tree.dot -o tree.pdf There are a number of different default parameters to control the growth of the tree: - max\_depth, the max depth of the tree. - min\_samples\_split, the minimum number of samples in a split to be considered. - prune, if the tree should be post-pruned to avoid overfitting and cut down on size. - gain\_ratio, if the algorithm should use gain ratio when splitting the data. - min\_entropy\_decrease, the minimum decrease in entropy to consider a split. - is\_repeating, repeat the use of features. For more in depth information see the documentation https://svaante.github.io/decision-tree-id3 .. |Travis Status| image:: https://travis-ci.org/svaante/decision-tree-id3.svg?branch=master :target: https://travis-ci.org/svaante/decision-tree-id3 .. |Coveralls Status| image:: https://coveralls.io/repos/svaante/decision-tree-id3/badge.svg?branch=master&service=github :target: https://coveralls.io/r/svaante/decision-tree-id3 .. |CircleCI Status| image:: https://circleci.com/gh/svaante/decision-tree-id3.svg?style=shield&circle-token=:circle-token :target: https://circleci.com/gh/svaante/decision-tree-id3/tree/master

نحوه نصب

نصب پکیج whl decision-tree-id3-0.1.2:

pip install decision-tree-id3-0.1.2.whl

نصب پکیج tar.gz decision-tree-id3-0.1.2:

pip install decision-tree-id3-0.1.2.tar.gz