Що Таке Дерево Рішень
Свайпніть щоб показати меню
Для багатьох реальних задач можна побудувати дерево рішень. У дереві рішень ставиться запитання (вузол рішення), і залежно від відповіді або приймається рішення (листовий вузол), або ставляться додаткові запитання (вузол рішення) і так далі.
Нижче наведено приклад тесту "качка/не качка":
Застосування такої ж логіки до навчальних даних дозволяє отримати один із найважливіших алгоритмів машинного навчання, який можна використовувати як для задач регресії, так і для задач класифікації. У цьому курсі основна увага приділяється класифікації.
Наступне відео ілюструє принцип роботи:
У відео вище поле 'Classes' показує кількість зразків даних кожного класу у вузлі. Наприклад, кореневий вузол містить усі зразки даних (4 'cookies', 4 'not cookies'). Листковий вузол зліва містить лише 3 'not cookies'.
На кожному вузлі рішення ми прагнемо розділити тренувальні дані так, щоб точки даних кожного класу були відокремлені у власні листкові вузли.
Дерево рішень також легко справляється з багатокласовою класифікацією:
Класифікація з використанням кількох ознак також може виконуватися за допомогою дерева рішень. Тепер кожен вузол рішення може розділяти дані, використовуючи будь-яку з ознак.
У відео вище навчальний набір масштабується за допомогою StandardScaler. Це не є необхідним для дерева рішень. Воно працюватиме так само добре і на немасштабованих даних. Проте масштабування покращує продуктивність усіх інших алгоритмів, тому доцільно завжди додавати масштабування до попередньої обробки.
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
