。但是我们采用ebp c4.5[4]和ccp cart来测试已修剪的构造决策树的性能和修剪算法的影响。
2结论
在本文中,首先从几何学角度重新解释了构造测试节点的过程,并在此基础上,提出了两阶段方法来为决策树的每个测试节点构造超平面。第一阶段寻找基于无监督或监督方法的合适的法线方向。基于一些如基尼和增长比的标准,第二阶段找出在法线方向上的超平面的截距。最后提出了两阶段的构造决策树算法。
参考文献:
[1]su,x.g.,tsai,c.-l.,& wang,c.(2009).tree-structured model diagnostics for linear regression.mach learn 74:111-131.
[2]vens, c. struyf, j., schietgat, l., dzeroski, s., & blockeel,h.(2008). decision trees for hierarchical multi-label classification.mach learn,73:185-214.
[3]quinlan,j.r(1979).discovering rules by induction from large collection of examples.in d.michie,editor.
[4]quinlan j r.(1993).c4.5:programs for machine learning[m].san mateo,ca:morgan kaufman
上一页 [1] [2]