什么是决策树学习(Decision Tree Learning)？

决策树学习使用具有类似于树的信息分支的预测模型来收集关于项目值的假设和判断。该系统用于机器学习、统计和数据挖掘。决策树也被称为回归树或分类树，决策树学习的过程包括从一个分支到另一个分支，在到达每一个元素时...

决策树学习使用具有类似于树的信息分支的预测模型来收集关于项目值的假设和判断。该系统用于机器学习、统计和数据挖掘。决策树也被称为回归树或分类树，决策树学习的过程包括从一个分支到另一个分支，在到达每一个元素时，不管是通过计算机还是通过一个人，它必须确定它是否适用于目标项目。一旦每个分支都被探索出来，答案就可以用来确定价值。本质上，决策树学习就是回答问题的过程。每个答案都会向前推进，直到有足够的信息来做决定。例如，一个简单的树可以从两件物品中的哪一件开始。一个问题可能会问这件物品是否有用，而另一个可以问一个项目是否比另一个项目有更好的价格。通过问所有这些问题，通常可以确定哪一个行动在统计上更有益。决策树学习也探索子类别。回答一个问题可能会导致另一个问题。这可能会导致某些分支有许多子类分支，而其他分支则不那么复杂，因为它很容易回答问题。以这种方式进行过程可以让用户对项目进行更详细的评估。决策树学习的另一个可能用途是分类。而不是让每个问题都导致一个决策，根据每个分支的答案，一个信息体被划分为不同的区域。一旦所有分支都被分类，同样的过程也可能在每个类别上运行。决策树学习通常是从上到下进行的，它不倾向于回溯一旦一个问题被完全回答，在编译结果之前，通常不需要再次引用它。决策树学习的结果可以用多种方式表示。它们可以是一个“是”或“否”问题的答案，也可以是价格或时间段等数字的答案。结果还可以揭示某个对象的身份，从而为类命名它属于它

发表于 2020-08-06 21:37
阅读 ( 953 )
分类：电脑网络

什么是决策树学习(Decision Tree Learning)？

你可能感兴趣的文章

相关问题

0 条评论

作家榜 »

推荐文章