知识卡片
回归树叶值是组内均值
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?
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
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