一、在现有训练集上创建好一棵决策树后,如果新增加的数据集很大程度上和原有决策树冲突,有什么原因?如何处理?
A:
1、原有训练集数据样本失真,可能采集到了错误的数据;
2、训练集样本不够大,需要扩大数据集;
3、数据模型有误,已有的属性集不足以支撑最终的分类结论。
二、决策树可以运用在哪些领域,不能运用在哪些领域?具备什么样的特点使得它能够运用在这些领域?以及不能运用在某些领域的原因是什么?
三、支持决策树的算法有哪些?算法的继承和依赖关系是如何演进的?
四、决策树算法需要解决的两个根本问题:1、如何选择每一步的属性测试条件,以使得决策树全局最优?是否存在局部最优和全局最优的博弈?如何度量该步选择的该属性测试条件是全局最优的?2、。。。?
五、如何对增益计算公式和常识经验的理解进行关联?