机器学习面试问答:决策树如何进行剪枝?剪枝的方法有哪些?
Posted Better Bench
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习面试问答:决策树如何进行剪枝?剪枝的方法有哪些?相关的知识,希望对你有一定的参考价值。
决策树如何进行剪枝?
分为预剪枝和后剪枝。
预剪枝的思想是在树中结点进行扩展之前,先计算当前的划分是否带来模型泛化能力的提升,如果不能,则不再继续生长子树。预剪枝对何时停止决策树的生长有几种方法
- 当树达到一定深度时,停止树的生长
- 当达到当前结点的样本数量小于某个阈值的时候,停止树的生长
- 计算每次分裂时对测试机的准确率提升,当小于某个阈值的时候,不再继续扩展
后剪枝的思想是让算法生成一颗完全生长的决策树,然背后从最底层向上计算是否剪枝。剪枝过程将子树删除,用一个叶子结点替代。相比于预剪枝,后剪枝方法通常可以得到泛化能力更强的决策树,但时间开销更大。常见的后剪枝方法有
- 代价复杂度剪枝(CCP)
- 错误率降低剪枝(REP)
- 悲观剪枝(PEP)
- 最小误差剪枝(MEP)
- CVP(Critical Value Pruning)
- OPP(Optimal Pruning)
以上是关于机器学习面试问答:决策树如何进行剪枝?剪枝的方法有哪些?的主要内容,如果未能解决你的问题,请参考以下文章