Machine learning

Pohon Keputusan

Pohon Keputusan adalah metode klasifikasi dan regresi yang dapat diinterpretasikan, diformalkan oleh Breiman, Friedman, Olshen, dan Stone dalam kerangka CART mereka tahun 1984, yang mempartisi data dengan aturan jika-maka hierarkis. Setiap pemisahan mengirim observasi ke satu cabang atau cabang lain hingga prediksi dibaca dari daun.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

Pohon Keputusan

Regresi Logistik Naive Bayes Random Forest Support Vector Machine (…XGBoost Pohon Keputusan Pembelaj…AdaBoost Bagging (Bootstrap Aggre…Pohon Keputusan Bayesian Boosting

+31 more

Sumber

Breiman, L., Friedman, J.H., Olshen, R.A. & Stone, C.J. (1984). Classification and Regression Trees. Wadsworth. DOI: 10.1201/9781315139470 ↗

Cara menyitasi halaman ini

ScholarGate. (2026, June 1). Decision Tree (CART — Classification and Regression Trees). ScholarGate. https://scholargate.app/id/machine-learning/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.

Regresi LogistikStatistika Penelitian↔ compare
Naive BayesPembelajaran Mesin↔ compare
Random ForestPembelajaran Mesin↔ compare
Support Vector Machine (Klasifikasi)Pembelajaran Mesin↔ compare
XGBoostPembelajaran Mesin↔ compare

Compare side by side →

Dirujuk oleh

Pohon Keputusan Pembelajaran Aktif AdaBoost Bagging (Bootstrap Aggregating)Pohon Keputusan Bayesian Boosting Penalaran Berbasis Kasus (PBK)CatBoost Pohon Keputusan Ensemble Peningkatkan Gradien Ensemble Pohon Keputusan yang Dapat Dijelaskan Extra Trees yang Dapat Dijelaskan K-Means yang Dapat Dijelaskan K-Tetangga Terdekat yang Dapat Dijelaskan LightGBM yang Dapat Dijelaskan Naive Bayes yang Dapat Dijelaskan Random Forest yang Dapat Dijelaskan Pohon Ekstra Peningkatan Gradien Isolation Forest K-Nearest Neighbors LightGBM Regresi Linier (ML)Regresi Logistik (ML)Multivariate Adaptive Regression Splines (MARS)Naive Bayes Pohon Keputusan Daring Random Forest Pohon Keputusan Teregulasi Random Forest Teregulasi Pohon Keputusan Robust Hutan Acak Robust Induksi Aturan (RIPPER)Pohon Keputusan Mandiri (Self-supervised Decision Tree)Random Forest Mandiri-Terawasi Pohon Keputusan Semi-Terawasi Semi-supervised FP-growth SHAP (SHapley Additive exPlanations)Stacking XGBoost

Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →

Baca metode selengkapnya

Method map

Sumber

Cara menyitasi halaman ini

Metode terkait

Which method?

Dirujuk oleh