机器学习中的树模型上——单模型类树

机器学习中树模型是一个庞大的群体,可以用来做分类也可以用来做回归,这里主要将回归问题。单个树模型:分类决策树(ID3、C4.5、CART)
摘要由CSDN通过智能技术生成

机器学习中树模型是一个庞大的群体,可以用来做分类也可以用来做回归。

决策树模型主要的优点是模型具有可读性,分类速度快,最主要的缺点是过拟合严重。

决策树模型训练通常分三步:特征选择、决策树的生成、决策树的减枝。学习时利用训练数据,根据损失函数最小(通常是正则化的极大似然函数)的原则建立决策树模型。预测时,利用训练好的决策树模型进行预测。

特征选择过程(决定用哪个特征来划分特征空间):信息增益、信息增益比、基尼指数。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值