Регуляризованное дерево решений
Регуляризованное дерево решений — это модель дерева решений, сложность которой намеренно ограничена посредством обрезки, ограничений глубины или штрафных членов для предотвращения переобучения. Основанная на каркасе CART Бреймана и др. (1984), регуляризация превращает жадную процедуру построения дерева в компромисс между смещением и дисперсией, создавая модели, которые лучше обобщаются на невидимые данные, чем полностью построенные деревья.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Regularized Decision Tree (Pruned and Constrained CART). ScholarGate. https://scholargate.app/ru/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.
- БустингМашинное обучение↔ compare
- Дерево решенийМашинное обучение↔ compare
- Чрезвычайно случайные деревьяМашинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Регуляризованная линейная регрессияМашинное обучение↔ compare
- Регуляризованный случайный лесМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →