Arbore de decizie regularizat
Un arbore de decizie regularizat este un model de arbore de decizie a cărui complexitate este limitată intenționat prin tăiere (pruning), constrângeri de adâncime sau termeni de penalizare pentru a preveni supraadaptarea (overfitting). Având rădăcini în cadrul CART al lui Breiman et al. (1984), regularizarea transformă procedura lacomă de creștere a arborelui într-un compromis între bias și varianță, rezultând modele care generalizează mai bine pe date nevăzute decât arborii complet dezvoltați.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Regularized Decision Tree (Pruned and Constrained CART). ScholarGate. https://scholargate.app/ro/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.
- BoostingÎnvățare automată↔ compare
- Arbore de decizieÎnvățare automată↔ compare
- Extra TreesÎnvățare automată↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
- Regresia Liniară RegularizatăÎnvățare automată↔ compare
- Pădure Aleatorie RegularizatăÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →