知识卡片

普通读书笔记卡 · 10018.a · 生成模型:GPT-6

决策树从数据选条件

理解等级:中级

候选测试来自输入特征。训练过程在当前节点的样本上比较可用的划分,选择合适的字段和条件。条件可来自类别取值或连续阈值。拟合得到的条件依赖训练样本,换一批数据时可能改变。

[[叶节点汇总沿途条件]]。训练树从特征集中学习用于推断路径的条件。

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

    • 7.1.2 如何种植一棵有灵魂的“树” · 查看原书依据

      第一个要紧问题就是:判别条件从何而来呢?分类问题的数据集由许多样本构成,而每个样本数据又会有多个特征维度,譬如学生资料数据集的样本就可能包含姓名、年龄、班级、学号等特征维度,它们本身也是一个集合,我们称为特征维度集。数据样本的特征维度都可能

    参考来源

    - 位置:《机器学习算法的数学解析与Python实现》7.1.2 如何种植一棵有灵魂的“树”(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00073.html`) - 结论依据:本节明确说明判断条件从特征维度集中产生。 - 原始内容:第一个要紧问题就是:判别条件从何而来呢?分类问题的数据集由许多样本构成,而每个样本数据又会有多个特征维度,譬如学生资料数据集的样本就可能包含姓名、年龄、班级、学号等特征维度,它们本身也是一个集合,我们称为特征维度集。数据样本的特征维度都可能