python和weka区别？weka如何调整决策树？

Weka的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），非商业化（与之对应的是SPSS公司商业数据挖掘产品--Clementine ）的，信息熵的计算：p[i]/sum即i的概率 double sum = 0;len;先一轮循环计算出样本总量，后面即可得出每个样本的概率，就可以套用公式计算了 信息增益就是信息熵的转变值。

python和weka区别？

Weka的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），是一款免费的，非商业化（与之对应的是SPSS公司商业数据挖掘产品--Clementine ）的，基于JAVA环境下开源的机器学习（machine learning）以及数据挖掘（data mining）软件。py thon比较方便，简洁，自由度高，模块，丰盛语法精练，并慢慢地取代了weka。

weka如何调整决策树？

信息熵的计算： -p[i]logp[i]，底数为2 public static double calcEntropy(int p[]) { double entropy = 0; // 用来计算总的样本数量，p[i]/sum即i的概率 double sum = 0; int len = p.lenh; for (int i = 0; i lt; len; i++) { sum += p[i]; } for (int i = 0; i lt; len; i++) { entropy -= p[i] / sum * log2(p[i] / sum); } return entropy; } 给定一个样本数组，先一轮循环计算出样本总量，后面即可得出每个样本的概率，就可以套用公式计算了 信息增益就是信息熵的转变值，信息熵下降最快的节点就可以作为决策树的根节点，缩短树的高度 一个属性A相对样本集S的信息增益为： gain(S,A) = H(S) – A属性为已知值的加权信息熵