使用不同于信息增益的分割标准的决策树

我想在Python中创建一个决策树,使用不同于信息增益的分割标准,比如“1-信息增益”(类似于不纯度度量的相反,类似于相似度度量)。已经存在这样的方法了吗?请提供相关论文。谢谢


回答:

是的,存在这样的方法。有很多相关的研究所论文:

https://pdfs.semanticscholar.org/5e44/d49b2268421d7ddf09d68be9aa689359b772.pdf

https://www.springerprofessional.de/en/splitting-method-for-decision-tree-based-on-similarity-with-mixe/16031946

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注