Regularisoitu päätöspuu
Regularisoitu päätöspuu on päätöspuumalli, jonka monimutkaisuutta rajoitetaan tarkoituksellisesti karsimalla, syvyysrajoituksilla tai rangaistustermeillä ylisovittamisen estämiseksi. Breiman et al.:n (1984) CART-kehykseen juurtunut regularisointi muuttaa ahneen puunkasvatusmenettelyn harha-varianssi-kompromissiksi, tuottaen malleja, jotka yleistyvät paremmin näkemättömään dataan kuin täysin kasvatetut puut.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Regularized Decision Tree (Pruned and Constrained CART). ScholarGate. https://scholargate.app/fi/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.
- BoostingKoneoppiminen↔ compare
- PäätöspuuKoneoppiminen↔ compare
- Extra TreesKoneoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
- Regularisoitu lineaarinen regressioKoneoppiminen↔ compare
- Regularized Random ForestKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →