为什么决策树需要剪枝？我们可以类比于神经网络的“过拟合”问题来进行思考。在神经网络之中，会出现过拟合问题，即出思安对特定的样本识别率升高，对其余样本的识别率降低。在决策树中也会出现类似的问题，会出现枝条过多的现象，是问题复杂化，准确率却得不到上升。
决策树的剪枝分为2种，一种是预剪枝，第二种是后剪枝。
预剪枝：在创建进行到某一个节点处，我们先计算当前节点的准确率
，然后在按照该节点的属性进行分类，在计算分类后的准确率
，比较和，如果较大则该节点不需要进一步的分枝，否则如果
决策树在面临过拟合问题时需要进行剪枝，以提高泛化能力。预剪枝在创建过程中根据节点准确率决定是否继续分枝，而后剪枝则对完整决策树的叶子节点自底向上检查，通过比较分枝前后的准确率来确定剪枝。以脐部为例，通过比较分枝前后的准确率，证明了剪枝的必要性。
最低0.47元/天 解锁文章
扫一扫
1184
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
