什么是決策樹學習(Decision Tree Learning)？

決策樹學習使用具有類似于樹的信息分支的預測模型來收集關于項目值的假設和判斷。該系統用于機器學習、統計和數據挖掘。決策樹也被稱為回歸樹或分類樹，決策樹學習的過程包括從一個分支到另一個分支，在到達每一個元素時...

決策樹學習使用具有類似于樹的信息分支的預測模型來收集關于項目值的假設和判斷。該系統用于機器學習、統計和數據挖掘。決策樹也被稱為回歸樹或分類樹，決策樹學習的過程包括從一個分支到另一個分支，在到達每一個元素時，不管是通過計算機還是通過一個人，它必須確定它是否適用于目標項目。一旦每個分支都被探索出來，答案就可以用來確定價值。本質上，決策樹學習就是回答問題的過程。每個答案都會向前推進，直到有足夠的信息來做決定。例如，一個簡單的樹可以從兩件物品中的哪一件開始。一個問題可能會問這件物品是否有用，而另一個可以問一個項目是否比另一個項目有更好的價格。通過問所有這些問題，通常可以確定哪一個行動在統計上更有益。決策樹學習也探索子類別。回答一個問題可能會導致另一個問題。這可能會導致某些分支有許多子類分支，而其他分支則不那么復雜，因為它很容易回答問題。以這種方式進行過程可以讓用戶對項目進行更詳細的評估。決策樹學習的另一個可能用途是分類。而不是讓每個問題都導致一個決策，根據每個分支的答案，一個信息體被劃分為不同的區域。一旦所有分支都被分類，同樣的過程也可能在每個類別上運行。決策樹學習通常是從上到下進行的，它不傾向于回溯一旦一個問題被完全回答，在編譯結果之前，通常不需要再次引用它。決策樹學習的結果可以用多種方式表示。它們可以是一個“是”或“否”問題的答案，也可以是價格或時間段等數字的答案。結果還可以揭示某個對象的身份，從而為類命名它屬于它

發表于 2020-08-06 21:37
閱讀 ( 852 )
分類：電腦網絡

什么是決策樹學習(Decision Tree Learning)？

你可能感興趣的文章

相關問題

0 條評論

作家榜 ?

推薦文章