Rapidminer决策树结果

蝙蝠侠

抱歉,我是Rapidminer的新手,对决策树的结果有些困惑。我增加了最小叶子的大小,这导致决策树的可读性更小,但是我的准确性结果降低了2%。我被要求解释原因,但是我对如何使用更好的树但准确性较低的数据感到困惑。

任何帮助我们都非常感谢。

尼尔

基督教王

增加最小叶子尺寸会阻止非常专业的叶子,这只能“匹配”很少的示例。通常这样做是为了防止过度拟合,过度拟合的极端形式是简单地以100%的精度再现训练数据。尽管如此,您仍希望使模型在真实的新数据上更强大。因此,根据您估算精度的方式,在强制算法创建更通用的模型时,预计精度会有所下降。

另外,在谈论“更具可读性”的树时,请勿尝试单独解释节点。不要假设根节点中的属性是最重要的属性。它始终是通往叶子的属性组合。

本文收集自互联网,转载请注明来源。

如有侵权,请联系 [email protected] 删除。

编辑于
0

我来说两句

0 条评论
登录 后参与评论

相关文章