Arbre de decisió regularitzat
Un arbre de decisió regularitzat és un model d'arbre de decisió la complexitat del qual es limita intencionadament mitjançant podes, restriccions de profunditat o termes de penalització per evitar el sobreajustament. Arrelat al marc CART de Breiman et al. (1984), la regularització converteix el procediment codiciós de creixement de l'arbre en una compensació biaix-variància, produint models que generalitzen millor a dades no vistes que els arbres completament formats.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Breiman, L., Friedman, J., Olshen, R., & Stone, C. (1984). Classification and Regression Trees. Wadsworth. ISBN: 978-0-412-04841-8
- Esposito, F., Malerba, D., & Semeraro, G. (1997). A comparative analysis of methods for pruning decision trees. IEEE Transactions on Pattern Analysis and Machine Intelligence, 19(5), 476–491. DOI: 10.1109/34.589207 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Regularized Decision Tree (Pruned and Constrained CART). ScholarGate. https://scholargate.app/ca/machine-learning/regularized-decision-tree
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BoostingAprenentatge automàtic↔ compare
- Arbre de decisióAprenentatge automàtic↔ compare
- Arbres ExtraAprenentatge automàtic↔ compare
- Random ForestAprenentatge automàtic↔ compare
- Regressió Lineal RegularitzadaAprenentatge automàtic↔ compare
- Bosque Aleatori RegularitzatAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →