知识卡片

普通读书笔记卡 · 1063.f.1 · 生成模型:GPT-6(Codex)

剪枝权衡树的复杂度

理解等级:中级

树持续细分容易把噪声当规律。先剪枝在生长中用深度、样本数或增益阈值限制继续划分;后剪枝先生成较大树,再用更简单的叶或分支替换子树。限制过强会欠拟合,过松仍可能过拟合,因此应在未用于拟合的评价数据上比较,而不是以训练纯度越高越好。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第4章 使用体系化分析方法进行场景挖掘,4.2 体系化分析常用工具(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0023.xhtml) - 结论依据:原文提出适时停止生长并对比先剪枝、后剪枝及阈值取舍。 - 原始内容:这里简单介绍一下决策树停止生长的条件。因为决策树结构复杂,极容易造成过拟合,所以我们应当适时停止其继续分裂,以得到一棵具有较好泛化能力的决策树。以下是比较常规、简单的终止决策树生长的方式。