AMiner推荐论文：Tree in Tree: from Decision Trees to Decision Graphs

论文地址：
https://www.aminer.cn/pub/615a709d5244ab9dcb3a728a?f=cs
本文提出一种决策树的改进算法。这个论文介绍了树决策图（TnT）中的树，这是一个扩展传统决策树到更通用和更强大的有向无环图。TnT通过递归增长决策树来构建决策图内部或叶节点，而不是贪婪训练。TnT的时间复杂度为与图中节点数成线性关系，可以构建决策图在大型数据集上。与决策树相比，作者表明TnT实现了更好的减少模型大小的分类性能，均作为独立分类器并作为bagging/AdaBoost集成中的基本估计器。作者提出的模型是广泛使用的决策树的新颖、更有效和准确的替代方案。
AMiner,让AI帮你理解科学！https://www.aminer.cn