机器算法验证 - 决策树中的复杂度参数 - 吾爱随笔录

机器算法验证 r 自习大车

2022-03-21 11:57:35

由于计算复杂度参数？它的意义是什么？

根据我的阅读，cp 是树在节点中进行划分的值，直到相对误差的减少小于某个值。

我读到有些地方说 CP 只影响树木的生长，而其他人说这也会干扰修剪。因为 min 似乎只干扰生长但不确定。

我正在使用 rpart() 包创建树，在分类树存在错误分类率的情况下评估评级，但在回归的情况下是不是评估超出 MSE 的预测？

1个回答

这在这个rpart资源中得到了回答。从 p。25:

对于回归模型（见下一节），缩放cp有一个非常直接的解释：如果任何拆分不会使模型的整体至少增加（其中是通常的线性模型定义），那么该拆分是先天注定不值得追求。该程序不会进一步拆分所述分支，并节省大量计算工作。 $R^2$ cp $R^2$

同一页给出了这个cp参数如何影响树木风险计算的公式：

R_{c p} (T) \equiv R (T) + c p * | T | * R (T_{1})

$R_{cp}(T) ≡ R(T) + cp ∗ |T| ∗ R(T_1)$

（是一棵没有分裂的树，树中的分裂。风险的完整正式定义超出了您的问题范围，但作为参考，定义在第 4 页。） $T_1$ $|T|$

其它你可能感兴趣的问题