决策树里的叶子裁剪

2018-12-16 阅读量: 680

Python数据分析数据分析师机器学习

扫码加入数据分析学习群

1.剪枝的原因和目的

解决决策树对训练样本的过拟合问题

2.决策树常用剪枝方法

预剪枝(Pre-Pruning)和后剪枝(Post-Pruning)

3. 预剪枝：预剪枝是根据一些原则及早的停止树增长，如树的深度达到用户所要的深度、节点中样本

个数少于用户指定个数、不纯度指标下降的最大幅度小于用户指定的幅度等。

4. 后剪枝：通过在完全生长的树上剪去分枝实现的，通过删除节点的分支来剪去树节点，可以使用的

后剪枝方法有多种，比如：代价复杂性剪枝、最小误差剪枝、悲观误差剪枝等等

修剪方式有： 1）用叶子节点来替换子树，叶节点的类别由子树下面的多类决定

2）用子树最常用的分支来替代子树。

添加CDA认证专家【维克多阿涛】，微信号：【cdashijiazhuang】，提供数据分析指导及CDA考试秘籍。已助千人通过CDA数字化人才认证。欢迎交流，共同成长！

0.0000 0 0 踩关注作者收藏

暂无数据

评论(0)