決策樹培訓課件-閱讀頁
2025-01-22 21:57本頁面
【正文】 所得的最小組限值為界，將小于組限的樣本劃為一組，大于的劃為另一組，形成兩個分叉n 數值型其他策略 ：n ChiMerge分箱法，合并分組變量的多個類別后再分支：生長算法23：剪枝算法n 采用后修剪方法，從葉節(jié)點向上逐層剪枝，關鍵：n 誤差的估計、剪枝標準的設置n 誤差估計：利用統(tǒng)計學置信區(qū)間的估計方法，直接在訓練樣本集上估計誤差n Clementine中 1?默認 75%。如果有則回到第一步。 28年齡段 =A(2/5)，年齡段 =B(4/4)，年齡段 =C(3/5)，性別=0(6/8)，性別 =1(3/6)，推理規(guī)則為： IF 年齡段 =B THEN 是否購買 =yes。年齡段 =A(1/3)，年齡段 =C(3/3)。(i)， 223。T1為最大樹， Tk只包含根節(jié)點n ?初始為 0，無枝可剪n 增大 ?找到 小于 ?的所有子樹中最小值對應的子樹，剪掉，計算剪枝后樹的代價復雜度值n 在當前 ?值下判斷是否仍有小于 ?的子樹，有則依從小到大順序剪掉，并計算代價復雜度；否則，繼續(xù)增大 ?，直到得到 Tkn 隨著 ?值增大，得到 子樹序列。例：流失 yesn 收益評價指標n 【 收益 :n】 ：節(jié)點中樣本屬目標類別的樣本量n 【 響應 (%)】 ：節(jié)點中樣本屬目標類別的樣本量占本節(jié)點樣本的百分比（置信程度）n 【 收益 (%)】 ：節(jié)點中樣本屬目標類別的樣本量占目標類別總樣本的百分比（適用廣泛性）53效益評價：收益評價 (單個節(jié)點)n 響應 %和收益 %：意味追求高響應 %嗎？n 低響應 %和低收益 %的規(guī)則，不理想n 例：甲殼蟲人群 100人， 90人購買， 10不購買n IF 年輕富婆 THNE 買n 10人，響應 %=100%(高 )，收益 %=10/90(低 )n 90人，響應 %=70%(中低 ),收益 %=63/90(高 )n 高響應 %和低收益 %的規(guī)則，可能是沒有意義的n 低響應 %和高收益 %的規(guī)則，可能是值得的54效益評價：收益評價 (單個節(jié)點)n 響應 %和收益 %：意味追求高響應 %嗎？n 高響應 %和高收益 %的規(guī)則，可能并沒有太多價值55效益評價：收益評價 (單個節(jié)點)n 收益評價指標n 【 指數 (%)】 ：節(jié)點的響應 (%)是同類別樣本占總樣本比例的百分之幾倍，稱為提升度 (lift)（價值）56效益評價：利潤評價 (單個節(jié)點)n 總體利潤：正利潤和負利潤（針對輸出變量所有類別計算）n 定義單位利潤n 利潤評價指標n 【 利潤 :】 :節(jié)點的平均利潤n 【 投資回報率 】 ：總利潤 /總投資n 【 指數 (%)】 ：節(jié)點的投資回報率是總投資回報率的倍數 57效益評價 (整體 )n 累計收益圖：橫坐標分位點，縱坐標累計收益(%)n 累計響應圖：橫坐標分位點，縱坐標累積響應(%)n 累計提升圖：橫坐標分位點，縱坐標累計提升度n 累計利潤圖：橫坐標分位點，縱坐標累積利潤n 累計投資回報率圖：橫坐標分位點，縱坐標累積ROI58決策樹說明n 決策樹算法在處理不同類型數據時的優(yōu)勢和劣勢n 數值型的優(yōu)勢和劣勢n 不受數量級的影響n 忽略分布特征n 分類型的優(yōu)勢和劣勢n 建樹效率高n 類別較多時，樹太茂盛n 容易處理 “ 混合類型 ” 的輸入變量59謝謝 謝！謝！60
法律信息相關推薦
鄂ICP備17016276號-1