正如我们在这个问题中看到的，构建决策树的推荐策略是后剪枝。
这两种方法是子树替换和子树提升。在每个节点，算法决定是否应该执行子树替换、子树提升或保持子树不变。
- 子树替换选择一个子树并用一个叶子替换它。
- 子树提升选择一棵子树并将其替换为子树（即，“子子树”替换其父树）
有什么优点和缺点，我们应该什么时候使用它们？
子树替换与子树提升
机器算法验证
模型选择
大车
2022-04-03 18:29:07
1个回答
我的下意识反应是：
- 如果没有善意的衡量标准，“更好”这个词就没有任何意义。
- 我倾向于“c，以上都不是”作为我的首选方法
“构建”的方法，如果你的意思是构建 = 增长，是在最好的叶子上分裂，直到违反停止标准。
像所有机器学习工具一样，树有两个目标，它们构成了剪枝过程的优劣度量：最大化泛化，最小化表示错误。如果你能同意这两个，在一般意义上，那么我可以继续回答。
其它你可能感兴趣的问题