← 返回卡片

原书出处

机器学习算法原理与编程实践

03 第3章 决策树的发展

核验版本的摘录快照 · 导入于 2026-11-19T03:09:27.762Z

可以生长出大量的分支树,为了避免过拟合的问题,预测树采用了剪枝的方法。剪枝方法有很多,主流的方法有两类:先剪枝和后剪枝。

先剪枝给出一个预定义的划分阈值,当节点的划分子集某个标准低于预定义的阈值时,子集划分将终止。但是选取适当的阈值比较困难,过高会导致过拟合,而过低会导致欠拟合,因此需要人工反复地训练样本才能得到很好的效果。

预剪枝也有优势,由于它不必生成整棵决策树,且算法简单、效率高,适合大规模问题的粗略估计。 另一种剪枝策略是后剪枝,也称为

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00013.html

EPUB SHA-256:70d8d79af4c27e857a132f2bb0cf0dbfa14854fa17c13eacb72320d7c9bf315d