← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 10052.a · 生成模型:GPT-6

ID3优先降低标签熵

理解等级:中级

先由训练样本标签比例求当前熵,再按候选属性切分,以子组占比加权求切分后的熵。前后差就是信息增益。ID3 每次选当前差最大的属性,递归对子组重复。书中 14 条样本的天气属性增益约 0.246,超过心情、温度和湿度。

决策树以分裂前后的标签熵变化比较候选特征。参见 [[信息熵平均衡量意外程度]]。

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

    参考来源

    - 位置:《机器学习观止:核心原理与实践》第08章《决策树和随机森林》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter8.xhtml`)。 - 结论依据:第 8.1.2 节和图表给出完整步骤以及用天气组织根节点的算例。 - 原始内容:选择上一步中能产生最大信息增益的属性作为树节点