前面我们了解了决策树的概念,现在来了解一下决策树剪枝。可能会有人问:为什么要剪枝?答案是:如果一棵决策树完全生长,那么这棵决策树所对应的每一个叶节点中只会包含一个样本,就很有可能面临过拟合问题,因此就需要我们对这棵决策树进行剪枝,以此来提高此决策树模型的泛化能力。
一般情况下,可以使用以下两类方法对决策树进行剪枝,缩小决策树的规模:
一、预剪枝:
预剪枝的核心思想是在树中节点进行扩展之前,先计算当前的划分是否能提升模型泛化能力,如果不能,则不再继续生长子树。此时可能出现不同类别的样本同时存于节点中的情况,可以通过使用多数投票的原则对该节点所属类别进行判断。关于预剪枝何时停止决策树的生长,可以采用以下几种方法:
(1) 当树达到一定深度的时候,停止树的生长;
(2) 当到达当前节点的样本数量比某个阈值小的时候,停止树的生长;
(3) 计算决策树的每一次分裂能否提升测试集的准确度,当提升程度小于某个阈值的时候,不再继续生树的长。
预剪枝具有思想直接、算法简单、效率高等一系列特点,适合解决大规模数据的问题。但是,对于上述阈值,需要一定的经验来进行判断。另外,预剪枝存在欠拟合风险。这是因为,虽然当前的划分会导致测试集准确率降低或提升不高,但在之后的划分中,准确率会有显著提升也不无可能。
二、后剪枝:
后剪枝的核心思想是先让算法生成一颗完全生长的决策树,然后自底层向上计算是否进行剪枝操作。后剪枝也需要通过在测试集上的准确率来进行判断,如果剪枝之后,能够提升准确率,则进行剪枝。
具体操作:
1.如果存在任一子集是一棵树,则在该子集递归剪枝过程
2.计算不合并的误差
3.如果合并会降低误差的话,就将叶节点合并
在回归树一般用总方差计算误差(即用叶子节点的值减去所有叶子节点的均值)。
相比于预剪枝,后剪枝的泛化能力更强,但是计算开销会更大。
后剪枝方法: 错误率降低剪枝(Reduced Error Pruning,REP)、悲观剪枝(Pessimistic Error Pruning,PEP)、代价复杂度剪枝(Cost Complexity Pruning,CCP)、最小误差剪枝(Minimum Error Pruning,MEP)、CVP(Critical Value Pruning)、OPP(Optimal Pruning)等。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14