Что касается прогнозирования дерева решений

Question

Как дерево решений может предсказать исход нового набора данных. Допустим, с гиперпараметрами я позволил моему дереву решений расти только до некоторой степени, чтобы избежать перебора. Теперь новая точка данных передается в эту обученную модель, поэтому новая точка данных достигает одного из конечных узлов. Но как этот конечный узел предсказывает, является ли точка данных 1 или 0? (Я говорю о классификации здесь).

Answer 1

Ну, вы в значительной степени ответили на свой вопрос. Но, что касается расширения, в последнем случае данные, помеченные как 0 или 1, в значительной степени зависят от типа используемого вами алгоритма, например, ID3, который использует значение режима для прогнозирования. аналогично C4.5 и C5 или CART имеют различные критерии, основанные на приросте информации, индекс Джинни и др. c и * c ....

В упрощенном виде, процесс обучения дерева решений и прогнозирования целевые характеристики экземпляров запросов следующие:

1. Представляет набор данных, содержащий несколько обучающих экземпляров, характеризующихся множеством описательных признаков и целевого объекта

2. Обучите модель дерева решений, непрерывно разделяя целевой объект по значениям описательных признаков, используя меру получения информации в процессе обучения

3. Увеличивайте дерево до тех пор, пока мы выполнить sh критерий остановки -> создать конечные узлы, которые представляют прогнозы, которые мы хотим сделать для новых экземпляров запроса

4. Показать экземпляры запроса в дереве и запустить по дереву, пока мы прибыть в конечные узлы

5. СДЕЛАНО - Поздравляем, вы нашли ответы на свои вопросы

вот ссылка, которую я предлагаю, которая объясняет дерево решений очень подробно с нуля. Дайте ему хорошее чтение -

https://www.python-course.eu/Decision_Trees.php