Дерево решений - очень популярный алгоритм машинного обучения. Дерево решений решает проблему машинного обучения путем преобразования данных в представление дерева. Каждый внутренний узел древовидного представления обозначает атрибут, а каждый листовой узел обозначает метку класса.
Алгоритм дерева решений может использоваться для решения задач как регрессии, так и классификации.
Вы можете посмотреть видео о дереве решений с нуля в Python
Вы можете посмотреть видео на тему Топ-10 самых высокооплачиваемых технологий, которым нужно научиться в 2021 году
Преимущества:
- По сравнению с другими алгоритмами деревья решений требуют меньше усилий для подготовки данных во время предварительной обработки.
- Дерево решений не требует нормализации данных.
- Дерево решений также не требует масштабирования данных.
- Отсутствующие значения в данных также НЕ влияют в значительной степени на процесс построения дерева решений.
- Модель дерева решений очень интуитивно понятна и ее легко объяснить техническим командам, а также заинтересованным сторонам.
Недостаток:
- Небольшое изменение данных может вызвать большое изменение структуры дерева решений, что приведет к нестабильности.
- Для дерева решений иногда вычисления могут быть намного более сложными по сравнению с другими алгоритмами.
- Дерево решений часто требует большего времени для обучения модели.
- Обучение дерева решений является относительно дорогостоящим, поскольку на него уходит больше сложности и времени.
- Алгоритм дерева решений не подходит для применения регрессии и прогнозирования непрерывных значений.
Вы можете посмотреть видео о 5 основных преимуществах и недостатках алгоритмов дерева решений
Вы можете посмотреть видео на тему Топ-10 самых высокооплачиваемых технологий, которым нужно научиться в 2021 году
Вы можете посмотреть видео о градиентном спуске с нуля в Python
Кроме того, вы можете посмотреть, как реализовать линейную регрессию с нуля в python без использования sklearn
Конец примечания:
Надеюсь, вам понравилась эта статья.
Ваше здоровье !!
