分析決策樹算法和邏輯回歸算法的不同之處
阿新 • • 發佈:2017-10-16
人工智能 機器學習
首先我們導入一組airplan.xlsx數據。
數據表中的age表示年齡、FLIGHT_COUNT表示飛行次數、BASE_POINTS_SUM表示飛行裏程、runoff_flag表示流失與否,定義1為正樣本,代表已流失。
現在讓我們來看一下最後的效果:
可以看到決策樹算法和邏輯回歸算法的準確率大致相同,但是決策樹算法的召回率是遠遠大於邏輯回歸的。
如果想了解更多機器學習再業務中的應用,請關註我們的微信公眾號凡人機器學習,公眾號致力於讓更多的初級數據開發者可以享受到人工智能的福利。微信號:frjqxx。
號外:跪求各位大大的踴躍投稿!,投稿郵箱是[email protected]。
凡人機器學習的審稿人,他們將給出一些行業資深建議,分別是(用的外號):
(1)狗星:曾在美國Google、Facebook工作的人工智能領域博士
(2)博兒哥:目前任職於BAT負責人工智能的算法開發
投稿要求:無論是大神或者小白,都歡迎投稿,可以寫對於某些算法的理解、某些場景的應用、行業資訊或者八卦、自己的成長等等。題材不限,字數不限,最好是圖文並茂。強調下,不要害怕,大膽投稿即可!!!
通過投稿可以收獲到:
(1)公眾號以及之後的各個渠道的曝光,當然我們會註明作者姓名
(2)投稿一旦接收,可以加入我們的作者交流群,可以相互溝通學習
(3)投稿並且接收3篇,可以加入我們的郵件組,參與自媒體運營打法討論。 並且贈送《機器學習實踐應用》一書。
分析決策樹算法和邏輯回歸算法的不同之處