Бывает так, что IT-сотрудник для анализа данных подключает библиотеку и бездумно использует все представленные в ней методы, совершенно не понимая, какие алгоритмы и механизмы находятся «под капотом». Поэтому в рамках этой статьи мы разберём простейший алгоритм «Дерево решений» из библиотеки sklearn, а точнее, как он работает с точки зрения математики и теории вероятностей, как алгоритм «учится», и что происходит, когда мы передаём ему данные для обучения.
Следующая статья будет называться "Как родить сына при помощи Python"
Как вырастить дерево при помощи Python - думал тут будет Arduino запрограммированный на полив и удобрение растений в зависимости от показателей почвы. А не вот это вот все!
:)
Вот вам без питонов за 10 секунд расчёт
Хотя нет, учитывая, что после 10го года хлам производят - вот такой
Спасибо! Очень интересно! :)
Энтропия – это мера неопределённости некоторой системы, которая колеблется от 0 до 1.
Небольшая поправка: область значений энтропии лежит не от 0 до 1, а от 0 до +∞, по идее. Но я не уверен, будет здорово, если вы развеете это сомнение.
Спасибо за обратную связь :)
Что касается энтропии, она не может быть больше 1, т.к. в формуле энтропии используется вероятность, которая сама изменяется в пределах от 0 до 1. Энтропия равная 1, означает полную неопределенность системы, мы с равной вероятностью можем получить элемент системы любого типа.
Очень актуально: как раз решал задачу оценки абсолютного спроса на группы товаров, и хорошо сработал именно этот алгоритм. И статья - топ, прям для меня, все на пальцах)))