熱線電話：13121318867

登錄
首頁精彩閱讀機器學習中常見的算法的優缺點之決策樹
機器學習中常見的算法的優缺點之決策樹
2019-04-02
收藏


決策樹在機器學習中是一個十分優秀的算法，在很多技術中都需要用到決策樹這一算法，由此可見，決策樹是一個經典的算法，在這篇文章中我們給大家介紹決策樹算法的優缺點，希望這篇文章能夠更好的幫助大家理解決策樹算法。


其實決策樹倍受大家歡迎的原因就是其中的一個優勢，那就是易于解釋。同時決策樹可以毫無壓力地處理特征間的交互關系并且是非參數化的，因此你不必擔心異常值或者數據是否線性可分。但是決策樹的有一個缺點就是不支持在線學習，于是在新樣本到來后，決策樹需要全部重建。另一個缺點就是容易出現過擬合，但這也就是諸如隨機森林RF之類的集成方法的切入點。另外，隨機森林經常是很多分類問題的贏家，決策樹訓練快速并且可調，同時大家無須擔心要像支持向量機那樣調一大堆參數，所以在以前都一直很受歡迎。


那么決策樹自身的優點都有什么呢，總結下來就是有六點，第一就是決策樹易于理解和解釋，可以可視化分析，容易提取出規則。第二就是可以同時處理標稱型和數值型數據。第三就是比較適合處理有缺失屬性的樣本。第四就是能夠處理不相關的特征。第五就是測試數據集時，運行速度比較快。第六就是在相對短的時間內能夠對大型數據源做出可行且效果良好的結果。


那么決策樹的缺點是什么呢？總結下來有三點，第一就是決策樹容易發生過擬合，但是隨機森林可以很大程度上減少過擬合。第二就是決策樹容易忽略數據集中屬性的相互關聯。第三就是對于那些各類別樣本數量不一致的數據，在決策樹中，進行屬性劃分時，不同的判定準則會帶來不同的屬性選擇傾向；信息增益準則對可取數目較多的屬性有所偏好，而增益率準則CART則對可取數目較少的屬性有所偏好，但CART進行屬性劃分時候不再簡單地直接利用增益率盡心劃分，而是采用一種啟發式規則。


通過上述的內容相信大家已經知道了決策樹的優點和缺點了吧，大家在學習或者使用決策樹算法的時候可以更好的幫助大家理解決策樹的具體情況，只有了解了這些算法，我們才能夠更好的使用決策樹算法。

 


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

決策樹 隨機森林 過擬合 特征 支持向量機 機器學習

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇機器學習中容易犯的錯誤——不注重樣本精細化處理
下一篇機器學習中常見算法的優缺點之 ID3、C4.5算法和Adaboosting
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢