Głębia drzewa decyzyjnego

Ponieważ algorytm drzewa decyzyjnego dzieli się na atrybut na każdym etapie, maksymalna głębokość drzewa decyzyjnego jest równa liczbie atrybutów danych. Czy to jest poprawne?

classification cart

— Qwerto
źródło

Nie, ponieważ dane można wielokrotnie podzielić na ten sam atrybut. Ta cecha drzew decyzyjnych jest ważna, ponieważ pozwala im uchwycić nieliniowości poszczególnych atrybutów.

Edycja: Na poparcie powyższego punktu, oto pierwsze drzewo regresji, które utworzyłem. Pamiętaj, że lotna kwasowość i alkohol pojawiają się wiele razy:

— mkt - Przywróć Monikę
źródło

Nie rozumiem, dlaczego zostałeś przegłosowany, ale ponownie to wyważyć (+1);)

— Firebug

Jestem głęboko przekonany, że głosowanie czasem zdarza się przypadkowo, niezależnie od jakości postu. Musimy się do tego przyzwyczaić i nie marnować czasu na zbytnie myślenie o pojedynczych opiniach.

— Bernhard

@mkt, jeśli masz ochotę ponownie edytować, możesz dodać, że zazwyczaj drzewo decyzyjne przestaje tworzyć nowe gałęzie po osiągnięciu określonego poziomu czystości, węzeł ma mniej niż określoną liczbę elementów lub podział węzła prowadziłby do nowego węzła z mniej niż określoną liczbą elementów. Przyczyny te mogą łatwo doprowadzić do tego, że atrybut nie będzie w ogóle używany.

— Meh

+1, ale ta fabuła pozostawia coś do życzenia. Która gałąź reprezentuje yesnp.? Może to pomóc w opublikowaniu zestawu danych i kodu, jeśli jest to wykonalne.

— gung - Przywróć Monikę

Mam na myśli, załóżmy alcohol = 10.50(tj. alcohol < 10.53), Czy następnie schodzisz prawą lub lewą gałęzią drzewa?

— gung - Przywróć Monikę