Regularyzowane drzewo decyzyjne
Regularyzowane drzewo decyzyjne to model drzewa decyzyjnego, którego złożoność jest celowo ograniczana poprzez przycinanie, ograniczenia głębokości lub kary, aby zapobiec przeuczeniu. Wywodzące się z ram CART Breimana i wsp. (1984), regularyzacja przekształca zachłanną procedurę wzrostu drzewa w kompromis między obciążeniem a wariancją, dając modele, które lepiej generalizują się na niewidziane dane niż w pełni wyrośnięte drzewa.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Regularized Decision Tree (Pruned and Constrained CART). ScholarGate. https://scholargate.app/pl/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.
- WzmocnienieUczenie maszynowe↔ compare
- Drzewo decyzyjneUczenie maszynowe↔ compare
- Extra TreesUczenie maszynowe↔ compare
- Random ForestUczenie maszynowe↔ compare
- Regularyzowana regresja liniowaUczenie maszynowe↔ compare
- Uregulowany las losowyUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →