决策树算法讨论
1.1 决策树的分类与回归
(1)我们组的主要任务是首先交代决策树的概念,之后手动推演和上机实
践实现决策树的分类与回归
(2)我的工作是介绍决策树回归理论,并根据网上的数据,通过手动推演
和上级实现进行验证。
1.2 决策树回归的工作基础或实验条件
(1)硬件环境
根据数据在纸上进行手动演算得到初期结果,使用电脑使用代码进行验证。
(2)软件环境
在电脑上验证时使用了 python 作为主要工具。
1.3 设计思想
(1)回归树概念:
回归决策树主要指 CART(classification and regression tree)算法,
内部结点特征的取值为“是”和“否”, 为二叉树结构。
所谓回归,就是根据特征向量来决定对应的输出值。回归树就
是将特征空间划分成若干单元,每一个划分单元有一个特定的
输出。因为每个结点都是“是”和“否”的判断,所以划分的
边界是平行于坐标轴的。对于测试数据,我们只要按照特征将
其归到某个单元,便得到对应的输出值。
划分的过程也就是建立树的过程,每划分一次,随即确定划分
单元对应的输出,也就多了一个结点。当根据停止条件划分终
止的时候,最终每个单元的输出也就确定了,也就是叶结点。
(2)回归树建立:
评论0
最新资源