知识卡片

普通读书笔记卡 · 6483.g · 生成模型:GPT-6

决策树递归划分特征空间

理解等级:中级

决策树在内部节点根据特征测试选择分支,最终在叶节点输出类别或概率。训练时常按局部划分质量贪心选择特征和阈值;深树可能记住噪声,可通过限制深度、叶节点样本量或剪枝控制复杂度。

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:《深度学习:从基础到实践(上下册)》第13章《分类器》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0020_split_005.html`) - 结论依据:原文解释间隔、核技巧及树的节点划分;卡片明确 C、核选择和加权不纯度的边界。 - 原始内容:根节点和所有父节点包含一个基于样本特征的测试。叶节点包含训练样本本身。当一些新的样本到来时,我们从根节点开始往下层层递进,途中在每个分支对样本的特征进行测试,如图13.24所示。 当到达一个叶节点时,我们要看新的训练样本