决策树中的CART是什么？

詹惠儿

2018-11-22 阅读量: 1049

决策树中的CART是什么？

分类和回归树（CART）

CART是最成熟的机器学习技术之一。在非技术术语中，CART算法通过重复找到最佳预测变量来将数据分成两个子集。子集比分割前更好地划分目标结果。修剪是一种与分类和回归树相关的技术。

我不打算详细介绍最佳预测变量或更好的分区的含义。相反，我将讨论对该基本大纲的两个改进：修剪和提前停止。有时这些被简单地称为后修剪和预修剪。顾名思义，预修剪或早期停止包括在完成对训练集的分类之前停止树，而后修剪指的是在树完成后修剪树。我更喜欢通过早期停止和修剪来更清楚地区分这些术语。

修剪或后修剪

顾名思义，修剪涉及砍伐树木。在树木建成之后（并且在没有提到下面讨论的早期停止）的情况下，它可能会过度装配。CART算法将重复地将数据分成更小和更小的子集，直到那些最终子集在结果变量方面是同质的。实际上，这通常意味着最终的子集（称为树的叶子）每个只包含一个或几个数据点。树已经准确地学习了数据，但是可能无法很好地预测出略微不同的新数据点。

0.0000

关注作者

发表评论

暂无数据

CDA考试动态

CDA报考指南

推荐帖子