1530553748

2020-09-04   阅读量: 952

Python 数据分析师

机器学习: 决策树的剪枝策略及其优缺点

扫码加入数据分析学习群

一 .决策树的剪枝方法主要分为两大类:

预剪枝和后剪枝两种。


1.预剪枝:

当最优分裂点对应的增益值为负值是停止分裂。

它的优点是,计算时间上能保证最优;

缺点则是将来的某个时刻也许能够获取更高的增益,也就是说它不能保证最优。

后剪枝:

2. 将决策树增长到它的最大深度,递归的进行剪枝,剪去那些使得增益值为负值的叶子节点。

它的优点是能够保证决策树最优;

缺点是比预剪枝计算复杂度高很多。


二.决策树的剪枝方法主要分为两大类:

预剪枝和后剪枝两种。

1.预剪枝:

当最优分裂点对应的增益值为负值是停止分裂。

它的优点是,计算时间上能保证最优

缺点则是将来的某个时刻也许能够获取更高的增益,也就是说它不能保证最优。

2.后剪枝:

将决策树增长到它的最大深度,递归的进行剪枝,剪去那些使得增益值为负值的叶子节点。

它的优点是能够保证决策树最优;缺点是比预剪枝计算复杂度高很多。



添加CDA认证专家【维克多阿涛】,微信号:【cdashijiazhuang】,提供数据分析指导及CDA考试秘籍。已助千人通过CDA数字化人才认证。欢迎交流,共同成长!
41.4291 2 0 关注作者 收藏

评论(0)


暂无数据

推荐课程

推荐帖子