← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 9840.l · 生成模型:Hunyuan

模型树:分段线性与局部模式

理解等级:中级

CART 做预测时把叶子设成一系列分段线性函数,每个线性函数就是一棵模型树,合起来模拟源数据的曲线。它的立论是“历史不会简单重复,但会重演”:样本总体的重复性不高,局部模式却经常重现,所以对未来的预测而言,局部模型比总体模型更有用。

模型树同时给出数据的范围(时间或空间区间)和变化趋势(直线或曲线,取决于所用回归算法),这两点让它的可解释性很强:不仅报一个预测值,还能说明“在什么范围内按什么趋势变化”。

正因包含的信息比单一线性回归或非线性回归更丰富,模型树通常预测准确度更高。它也可以用 CART 单独创建,过程与回归树大体相同。

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

    • 第3章 决策树的发展 · 查看原书依据

      模型给出了数据的范围,它可能是一个时间范围,也可能是一个空间范围;而且模型还给出了变化的趋势,可以是曲线,也可以是直线,这依赖于使用的回归算法。这些因素使模型具有很强的可解释性。

    参考来源

    - 位置:《机器学习算法原理与编程实践》第3章 决策树的发展(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00013.html) - 结论依据:原文列出模型树的性质:局部模式比总体更可预测、给出数据范围与趋势因而可解释、信息比传统回归丰富因而更准,支撑本卡解释。 - 原始内容:模型给出了数据的范围,它可能是一个时间范围,也可能是一个空间范围;而且模型还给出了变化的趋势,可以是曲线,也可以是直线,这依赖于使用的回归算法。这些因素使模型具有很强的可解释性。