知识卡片
树天然吃混合类型与缺失值
树按属性值分叉,所以不需要把类别属性改写成虚拟变量,也不需要把数值缩放到同一量纲——分叉只问“等于某个值”或“落在某侧”,不像线性模型那样依赖数值的大小与乘数。对训练时没见过的属性值(例如 level 为 Intern),实现上给每个决策节点存一个 default_value,取该节点训练样本中最常见的标签兜底,避免查不到对应子树时无法返回结果。这只是兜底,不是推断:如果新数据里未知取值很多,预测会逐渐退化成多数类,而模型本身并不会提示这一点。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第17章 决策树
原书出处 · 1 处
- 第17章 决策树 · 查看原书依据
如果招聘决策树遇到某个 level 为 Intern 的应聘者,该怎么办呢?可以通过使用最常用的标签填充 default_value 属性来处理这种情况。
参考来源
- 位置:《数据科学入门(第2版)》第17章 决策树(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0021.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「如果招聘决策树遇到某个 level 为 Intern 的应聘者,该怎么办呢……」
- 原始内容:如果招聘决策树遇到某个 level 为 Intern 的应聘者,该怎么办呢?可以通过使用最常用的标签填充 default_value 属性来处理这种情况。