决策树和判定器
快捷方式: 差异,相似,杰卡德相似系数,参考。
决策树和判定器之间的区别
决策树 vs. 判定器
决策论中 (如风险管理),决策树(Decision tree)由一个决策图和可能的结果(包括资源成本和风险)组成, 用来创建到达目标的规划。决策树建立并用来辅助决策,是一种特殊的树结构。决策树是一个利用像树一样的图形或决策模型的决策支持工具,包括随机事件结果,资源代价和实用性。它是一个算法显示的方法。决策树经常在运筹学中使用,特别是在决策分析中,它帮助确定一个能最可能达到目标的策略。如果在实际中,决策不得不在没有完备知识的情况下被在线采用,一个决策树应该平行概率模型作为最佳的选择模型或在线选择模型算法。决策树的另一个使用是作为计算条件概率的描述性手段。. 在可计算性理论中,总是停机的机器也叫做判定器(Sipser,1996年)或全图灵机(Kozen,1997年)是对所有输入总是停机的图灵机。 因为它总是停机,这个机器有能力判定给定字符串是否是一个形式语言的成员。可由这种机器判定的语言类精确的是递归语言的集合。但是由于停机问题,判定任意图灵机是否在任意输入上停机的问题自身是不可判定的判定问题(參見哥德爾不完備定理)。.
之间决策树和判定器相似
决策树和判定器有(在联盟百科)0共同点。
上面的列表回答下列问题
- 什么决策树和判定器的共同点。
- 什么是决策树和判定器之间的相似性
决策树和判定器之间的比较
决策树有15个关系,而判定器有14个。由于它们的共同之处0,杰卡德指数为0.00% = 0 / (15 + 14)。
参考
本文介绍决策树和判定器之间的关系。要访问该信息提取每篇文章,请访问: