Domande taggate «cart»

"Alberi di classificazione e regressione". CART è una popolare tecnica di apprendimento automatico e costituisce la base per tecniche come foreste casuali e implementazioni comuni di macchine per il potenziamento del gradiente.

Una foresta casuale con uscite multiple sarebbe possibile / pratica?

Random Forests (RFs) è un metodo di modellazione / mining di dati competitivo. Un modello RF ha un'uscita: la variabile di uscita / previsione. L'approccio ingenuo alla modellazione di più uscite con RF sarebbe quello di costruire una RF per ogni variabile di uscita. Quindi abbiamo N modelli indipendenti e …

17 machine-learning cart random-forest multilabel

Scelta del parametro di complessità in CART

Nella routine rpart () per creare modelli CART, si specifica il parametro di complessità su cui si desidera eliminare l'albero. Ho visto due diversi consigli per la scelta del parametro complessità: Scegliere il parametro di complessità associato all'errore minimo possibile con convalida incrociata. Questo metodo è raccomandato da Quick-R e …

16 r cart rpart

La somma di due alberi decisionali equivale a un singolo albero decisionale?

Supponiamo di avere due alberi di regressione (albero A e albero B) che mappa ingresso di uscita y ∈ R . Let y = f A ( x ) per l'albero A e f B ( x ) per l'albero B. Ogni albero utilizza spaccature binari, con iperpiani come le …

15 regression machine-learning cart

Riduzione di Gini e impurità di Gini dei nodi infantili

Sto lavorando alla misura di importanza della funzione Gini per la foresta casuale. Pertanto, devo calcolare la diminuzione di Gini nell'impurità del nodo. Ecco il modo in cui lo faccio, che porta a un conflitto con la definizione, suggerendo che devo sbagliarmi da qualche parte ... :) Per un albero …

15 feature-selection random-forest cart

Partizionare gli alberi in R: party vs. rpart

È passato un po 'di tempo da quando ho visto gli alberi di partizionamento. L'ultima volta che ho fatto questo genere di cose, mi piace la festa in R (creata da Hothorn). L'idea dell'inferenza condizionale tramite campionamento ha senso per me. Ma anche rpart aveva un fascino. Nell'attuale applicazione (non …

15 r cart rpart partitioning

Come devono essere implementate le suddivisioni dell'albero decisionale quando si prevedono variabili continue?

In realtà sto scrivendo un'implementazione di Random Forests ma credo che la domanda sia specifica per gli alberi delle decisioni (indipendentemente dalle RF). Quindi il contesto è che sto creando un nodo in un albero decisionale e sia la previsione che le variabili target sono continue. Il nodo ha una …

15 algorithms cart random-forest

Perché un albero decisionale ha una propensione bassa e una varianza elevata?

Domande Dipende se l'albero è poco profondo o profondo? O possiamo dire questo indipendentemente dalla profondità / livelli dell'albero? Perché il bias è basso e la varianza è alta? Spiega in modo intuitivo e matematico

15 machine-learning variance covariance cart bias

Profondità di un albero decisionale

Poiché l'algoritmo dell'albero decisionale si divide su un attributo in ogni fase, la profondità massima di un albero decisionale è uguale al numero di attributi dei dati. È corretto?

14 classification cart

Algoritmo dell'albero di regressione con modelli di regressione lineare in ogni foglia

Versione breve: sto cercando un pacchetto R in grado di costruire alberi decisionali mentre ogni foglia dell'albero decisionale è un modello di regressione lineare completo. AFAIK, la libreria rpartcrea alberi decisionali in cui la variabile dipendente è costante in ogni foglia. Esiste un'altra libreria (o rpartun'impostazione di cui non sono …

14 r regression rpart cart

I modelli CART possono essere resi robusti?

Un collega nel mio ufficio mi ha detto oggi "I modelli di alberi non sono buoni perché vengono catturati da osservazioni estreme". Una ricerca qui ha portato a questa discussione che sostanzialmente supporta l'affermazione. Il che mi porta alla domanda: in quale situazione un modello CART può essere robusto e …

14 regression classification robust cart

Matematica dietro alberi di classificazione e regressione

Qualcuno può aiutare a spiegare alcune delle matematiche alla base della classificazione in CART? Sto cercando di capire come accadono due fasi principali. Ad esempio, ho addestrato un classificatore CART su un set di dati e ho usato un set di dati di prova per contrassegnare le prestazioni predittive ma: …

14 regression classification data-mining cart

Foresta casuale e algoritmo dell'albero delle decisioni

Una foresta casuale è una raccolta di alberi decisionali che seguono il concetto di insacco. Quando passiamo da un albero decisionale all'albero decisionale successivo, in che modo le informazioni apprese dall'ultimo albero decisionale passano al successivo? Perché, secondo la mia comprensione, non esiste nulla come un modello addestrato che viene …

14 machine-learning random-forest cart bagging

Foresta casuale su dati multilivello / struttura gerarchica

Sono abbastanza nuovo nell'apprendimento automatico, nelle tecniche CART e simili, e spero che la mia ingenuità non sia troppo ovvia. In che modo Random Forest gestisce strutture dati multilivello / gerarchiche (ad esempio quando l'interazione tra livelli è interessante)? Cioè, set di dati con unità di analisi a diversi livelli …

13 machine-learning random-forest multilevel-analysis cart

Potenziare gli alberi delle decisioni in Python? [chiuso]

Chiuso. Questa domanda è fuori tema . Al momento non accetta risposte. Vuoi migliorare questa domanda? Aggiorna la domanda in modo che sia in argomento per Cross Validated. Chiuso 5 mesi fa . Esiste una buona libreria Python per l'addestramento di alberi decisionali potenziati?

13 python cart boosting

Come possiamo disegnare una curva ROC per gli alberi decisionali?

Normalmente non possiamo disegnare una curva ROC per i classificatori discreti come gli alberi delle decisioni. Ho ragione? Esiste un modo per disegnare una curva ROC per Dtrees?

13 roc cart

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.

Licensed under cc by-sa 3.0 with attribution required.