假设我的数据集中有 2 个（或更多）特征肯定是相关联的（例如：特征 B 表示特征 A 的相关程度），我有没有办法设计一个决策树，将两个特征联系在一起（明显的分裂是如果特征 B 被 A 分割得足够大，如果不忽略 A)？
换句话说：我正在寻找一种方法来“帮助”我的决策树在测试功能 B 之前不测试功能 A。另外，不要单独查看每个功能的改进，而是关注“B 和后记”的改进一种”。任何帮助将不胜感激！
通过将 2 个功能结合在一起来“帮助”决策树
数据挖掘
机器学习
特征选择
决策树
特征工程
损失函数
2022-02-06 14:10:03
1个回答
一种方法是通过函数组合 A 和 B 并从数据集中消除 A 和 B 来创建新特征。相关的特征越少越好。那么你就没有多余的功能了。
但实际上，使用随机森林可能就足够了。然后模型将有足够的树来确定最好的分割是首先是 B，然后是 A。