- 1、本文档共1页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
决策树回归模型
决策树回归模型是一种基于决策树算法的机器学习模型,它能够从历史数据中获取有关预测变量之间关系和决策矩阵的洞察力,并使用这些洞察力来预测任务目标变量的值。模型使用决策树的数据分析方法来学习来自观测的历史数据的模式,这样模型就可以学习究竟是哪些量起作用,从而针对数据集能够构建出一个模型来产生预测,这就是决策树回归模型。
决策树回归模型同样也分为决策树回归和多足决策树回归。和决策树分类一样,决策树回归也基于分割后的空间,用来最小化某种技术损失函数。在这里,技术损失函数将是任意的残差,而不仅仅是 0/1 准确度计算。换言之,目标在计算可能的预测值的期望值和观察到的值的差值的残差。
使用决策树回归模型进行预测时,将按照以下步骤进行:
1. 收集可用数据并进行探索性分析,以检查输入变量之间的关系,并确定适当的建模预测变量和任务变量。
2. 对每个预测变量,利用信息增益,基尼指数或均方差分割技术,寻找最佳分割维度。
3. 放置分割,将叶子节点重新分割,以便尽可能减少给定残差范围的技术损失。
4. 将划分的叶子节点转换为数字值,这些数字值就是最终的回归预测值。
决策树回归模型广泛用于属性预测,在非线性关系分类问题和特征值预测问题方面,表现非常出色。 例如,可以使用决策树回归模型来预测房价,企业的盈利,基金的收益,用户的购买行为等。
文档评论(0)