我有一个作业问题，要求我创建一个具有多数票的 3 级树（根、中间和叶），如果 3 级树是不可能的，则扩展树。我必须使用 ID3 算法。它是一个手动问题，而不是编码分配，数据集包含 16、4 个特征和一个以 T、F 为值的类标签。我开始计算不同节点的熵和信息增益。当我完成 3 级树时，我可以以 50%、100%、100% 和 75% 的多数票或置信度分配叶子上的类。我的问题是
- 50%真的是多数票吗？
- 我是否需要扩展树中具有 50% 置信度的部分
- 或者我可以任意分配课程？
问候
具有多数票的决策树分类器（50% 是多数票）
数据挖掘
分类
决策树
2022-03-10 16:29:07
1个回答
ID3 的目标是尽可能获得最纯的节点（具有讽刺意味的是，这是导致其过度拟合问题的原因），因此 50% 根本不是纯节点，该节点下的数据同样可能属于使peedicition 很棘手，最好将树进一步生长并找到比至少 50% 更纯的节点。
其它你可能感兴趣的问题