Extra Tree算法

  统计/机器学习 监督式学习    浏览次数:13636        分享
2

有人了解Extra Tree算法吗?这个算法和普通的Decision Tree有什么区别?

 

雕牌   2017-05-29 07:09



   1个回答 
9

ExtRa Trees是Extremely Randomized Trees的缩写,意思就是极度随机树。这是一种组合方法,与其说像决策树,实际上它更像随机森林。


与随机森林的相同点1. bootstrap了样本。2. 随机选取了部分特征,来构造一个棵树。

我们知道随机森林是由很多个随机的决策树组成的,extra trees比随机森林更随机。

与随机森林的不同点:每棵决策树选择划分点的方式不同。对于普通决策树,每个特征都是根据某个标准(信息增益或者gini不纯)去进行划分,比如说一个数值特征的取值范围是0到100,当我们把这个特征划分为0-45,45-100的时候,效果最佳(从信息增益或者gini不纯的角度),决策树就会将45作为划分点;然后再按照某个标准来选择特征。而对于extra trees中的决策树,划分点的选择更为随机,比如一个数值特征的取值范围是0到100,我们随机选择一个0到100的数值作为划分点;然后再按照评判标准选择一个特征。


SofaSofa数据科学社区DS面试题库 DS面经

黄前志   2017-06-01 09:47



  相关讨论

决策树可以做多元分类吗?

随机森林中增加树的数量对于偏差和方差的影响

随机森林是如何计算测试样本的概率的?

决策树怎么做增量学习或者online学习?

随机森林预测问题

Gradient tree boosting和random forest (随机森林) 有什么区别和联系

Adaboost里的树有没有可能权重是负数?

决策树剪枝有什么策略或者注意事项?

请问针对Adaboost、GBDT等集成学习同一个特征是否可以入模多次?

决策树的深度和数据特征个数的关系

  随便看看

sklearn r2_score返回负数

神经网络中的dense和sparse是什么意思?

样本权重大小不同时,用什么分类算法比较合适?

lightgbm.LGBMModel和lightgbm.LGBMClassifier该用哪个?

pip install opencv-python失败,难道非要编译安装?