Каковы недостатки одного дерева решений на большом наборе данных?
Classic MLУровень: БазаML concepts — Sebastian Raschka FAQ
Каковы недостатки одного дерева решений на большом наборе данных?
Подсказки
- Как выбирается одно разбиение и какой критерий оно улучшает?
- Проверьте остановку роста, размер листа и отличие обучения от прогнозирования.
Ответ
Неограниченное дерево может быть большим, нестабильным к малым изменениям выборки и переобучаться. Осевые разбиения требуют многих узлов для наклонной или гладкой границы. Время обучения зависит от поиска порогов, сортировки, числа признаков и формы дерева; универсального O(признаки²) или O(объекты²) нет. Предсказание проходит путь от корня к листу и зависит от глубины. Ограничивайте глубину и размер листьев, проверяйте pruning и ансамбли по качеству и ресурсам.
Источник и лицензия: Sebastian Raschka — Python Machine Learning FAQ · MIT · ответ: редакция Quantoros · перевод: Quantoros