Reguleret beslutningstræ
Et reguleret beslutningstræ er en beslutningstræmodel, hvis kompleksitet bevidst begrænses gennem beskæring, dybdebegrænsninger eller strafled for at forhindre overfitting. Med rødder i Breiman et al.'s CART-ramme (1984) omdanner regularisering den grådige trævækstprocedure til en bias-varians-afvejning, hvilket giver modeller, der generaliserer bedre til usete data end fuldt udvoksede træer.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Regularized Decision Tree (Pruned and Constrained CART). ScholarGate. https://scholargate.app/da/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.
- BoostingMaskinlæring↔ compare
- BeslutningstræMaskinlæring↔ compare
- Ekstra TræerMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- Regulariseret Lineær RegressionMaskinlæring↔ compare
- Regulariseret Random ForestMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →