树回归

Posted whatyouknow123

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了树回归相关的知识,希望对你有一定的参考价值。

一.背景

  传统的线性回归算法用于拟合所有的数据,当数据量非常的大,特征之间的关联非常的复杂的时候,这个方法就不太现实。这个时候就可以采用对数据进行切片的方式,然后在对切片后的局部的数据进行线性回归,如果首次切片之后的数据还是不符合线性的要求,那么就继续执行切片。在这个过程中树结构和回归算法是非常有用的。而cart算法又是一种常用的树回归算法。

二.概念

  树回归算法总的来说,就是找到一个最优的特征,然后根据该特征的最优的特征值进行二元划分子树,如果值大于给定特征值就走左子树,否则就走右子树。通过不断的迭代这个过程就能创建一棵回归树或者分类树。二者区别只在于输入的数据是连续型还是离散型,以及采用的选择最优的特征和特征值的准则。

三.python实现

1.获得输入数据

 

以上是关于树回归的主要内容,如果未能解决你的问题,请参考以下文章

模型树——就是回归树的分段常数预测修改为线性回归 对于非线性回归有较好的预测效果

具有分类输入的回归树或随机森林回归器

基于回归分析的广告投入销售额预测——K邻近,决策树,随机森林,线性回归,岭回归

树回归

sklearn库学习------决策树(回归树DecisionTreeRegressor)

CART 分类与回归树