決策樹的深度：max_depth=2
- 非參數(shù)學(xué)習(xí)
- 可以解決分類問(wèn)題、多分類問(wèn)題、回歸問(wèn)題
- 非常好的可解釋性
計(jì)算信息熵
pruning 剪枝
分的太細(xì)的特征，減去
前、后剪枝，都是為了防止過(guò)擬合
C4.5
ID3
決策樹的學(xué)習(xí)過(guò)程中分為2個(gè)階段，分裂和剪枝
決策樹
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。
相關(guān)閱讀更多精彩內(nèi)容
- 一. 決策樹（decision tree）：是一種基本的分類與回歸方法，此處主要討論分類的決策樹。在分類問(wèn)題中，表...
- 1、模型原理 （一）原理 1、原理：引入信息熵（不確定程度）的概念，通過(guò)計(jì)算各屬性下的信息增益程度（信息增益越大，...
- 一、決策樹應(yīng)用體驗(yàn) 分類 ??從上面可以看出，決策樹對(duì)分類具有線性回歸無(wú)可比擬的優(yōu)勢(shì), 如果對(duì)未參與訓(xùn)練的數(shù)據(jù)集是...
- 決策樹 1.概述 決策樹由節(jié)點(diǎn)和有向邊組成，節(jié)點(diǎn)有兩種類型，內(nèi)部節(jié)點(diǎn)和葉節(jié)點(diǎn)，內(nèi)部節(jié)點(diǎn)表示一個(gè)特征或?qū)傩?，葉節(jié)點(diǎn)表...
