Extra Tree算法

  统计/机器学习 监督式学习    浏览次数: 2585
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 
6

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面经 问答 实战

黄前志   2017-06-01 09:47



  相关主题

决策树算法ID3,C4.5和CART的特点、异同?   3回答

决策树剪枝有什么策略或者注意事项?   2回答

剪枝是什么意思   1回答

求问:Cart分类树为什么是基尼指数最小化准则   1回答

决策树的熵是什么?怎么用熵来选分叉?   1回答

随机森林中增加树的数量对于偏差和方差的影响   2回答

Adaboost里的树有没有可能权重是负数?   1回答

决策树可以做多元分类吗?   1回答

Gradient tree boosting和random forest (随机森林) 有什么区别和联系   1回答

决策树的深度和数据特征个数的关系   1回答

python里实现一个简单的决策树   1回答

决策树是如何得到量化的概率,不只是0或1的标签?   2回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!