知识卡片

普通读书笔记卡 · 9249.d.3 · 生成模型:GPT-6

回归树叶值是组内均值

理解等级:中级

对给定的区域,用一个常数预测区域内所有样本时,平方误差最小的常数是标签均值。扫描每个属性的阈值,分别算左右侧采用各自均值的误差和,再选最小的切分。预测时沿切分规则到叶节点并读出该区域的均值。

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4章附注 互信息与 CART 回归树 · 查看原书依据

      其中为维特征向量,是连续型随机变量. 这是一个标准的回归问题的数据集,若把每个属性视为坐标空间中的一个坐标轴,则个属性就构成了一个维的特征空间,而每个维特征向量就对应了维的特征空间中的一个数据点.CART回归树的目标是将

    参考来源

    - 位置:《机器学习公式详解》第4章附注 互信息与 CART 回归树(book-source:`extracted/机器学习公式详解/_epub-src/text/part0010_split_001.html`,第4章附注 互信息与 CART 回归树) - 结论依据:CART 回归树附注用子区域均值和组内平方误差共同选择切分。 - 原始内容:其中为维特征向量,是连续型随机变量. 这是一个标准的回归问题的数据集,若把每个属性视为坐标空间中的一个坐标轴,则个属性就构成了一个维的特征空间,而每个维特征向量就对应了维的特征空间中的一个数据点.CART回归树的目标是将