当前位置:主页 > 论文百科 > 论文创新 >

决策树(Decision Tree)模型笔记

发布时间:2016-05-22 20:00

  本文关键词:决策树模型,由笔耕文化传播整理发布。


决策树(Decision Tree)模型笔记

标签: 决策树

本文章已收录于:

分类:

版权声明:本文为博主原创文章,未经博主允许不得转载。

以前看集体智慧编程时觉得决策树模型没什么大不了的,看得不仔细.昨天知道网页正文抽取(full-text extraction)中对boilerplate和content块的判断就是使用该模型,终于有点直观了,复习一下吧.
集体智慧编程中以预测用户是否选择付费,付费是basic还是premium的分类问题为例讲解.
决策树每一步分支都采用贪心策略,熵(entropy)或基尼不纯度(gini impurity)降低最大的那组,作为新的分支条件.最后得到的结果不一定是一个100%的结果,而是可以给出不同结果的概率,这一点非常实在.
实际中的决策树可以让机器帮助专家做出预测,可以方便以图像呈现.但决策树如果过度拟合(overfitted),结果就变得过于针对训练数据了,这是可以指定一个熵的阈值,只要达到这个阈值就不再分支.
对于某列数据缺失的记录,预测最终结果和概率时,应该让它进入不同分支,按概率加权.

不仅使用分类,还可以用于价格预测,只不过评分不是熵和基尼不纯度,而是用方差.例子如zillow,可以预测房子的价格.我很爱玩游戏足球经理,估计球员身价这种,应该很适用决策树模型吧?

决策树广泛用于金融分析,对于有大量数值型输入和输出的问题,还有数值之间互相关联,决策树可能并不适合.

从使用上感觉贝叶斯是对独立特征做计算,决策树的特征可以有依赖.

顶 0 踩 0

  • 上一篇验证码识别image/pdf to string 开源工具
  • 下一篇搭建eclipse android开发环境的一点记录
  • 我的同类文章


      本文关键词:决策树模型,,由笔耕文化传播整理发布。



    本文编号:48379

    资料下载
    论文发表

    本文链接:https://www.wllwen.com/wenshubaike/shangbiaozhuanli/48379.html


    Copyright(c)文论论文网All Rights Reserved | 网站地图 |

    版权申明:资料由用户88a61***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com