知识卡片

普通读书笔记卡 · 10018.a.2 · 生成模型:GPT-6

树在节点递归寻优

理解等级:中级

从根节点开始,选择当前样本集合上的较好切分。随后各子节点分别使用自己的样本重复选择。纯节点或资源限制可停止递归,叶子按类分布给出预测。每步使用局部标准,不能据此保证整棵树全局最优。

[[决策树从数据选条件]]。递归在每个子节点样本子集上重复挑选条件。

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

    • 7.2 决策树分类的算法原理 · 查看原书依据

      叶子节点可能不断分类形成子树,正如if-else语句可以不断嵌套if-else,利用这个机制,一次判别不能完全达到把数据集划分成正类和负类的效果,那就在判别结果中继续进行判别。决策树通过叶子节点不断

    参考来源

    - 位置:《机器学习算法的数学解析与Python实现》7.2 决策树分类的算法原理(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/text00076.html`) - 结论依据:本节描述局部节点分裂、递归生成子树和停止条件。 - 原始内容:叶子节点可能不断分类形成子树,正如if-else语句可以不断嵌套if-else,利用这个机制,一次判别不能完全达到把数据集划分成正类和负类的效果,那就在判别结果中继续进行判别。决策树通过叶子节点不断