Startpagina / Samenvattingen / Machine learning lliterature pddf / beslissingsboom-algoritme-training

The Decision Tree Model of Learning

4 belangrijke vragen over The Decision Tree Model of Learning

Wat zijn de twee basisgevallen in het beslissingsboom training algoritme?

1. De data is ondubbelzinnig, er is geen verdere opsplitsing nodig.
2. Er zijn geen overgebleven kenmerken om te overwegen voor een opsplitsing.

Hoe wordt de data opgesplitst tijdens het beslissingsboom training proces?

- De data wordt opgesplitst in een 'NO' en 'YES' subset op basis van het kenmerk met de hoogste score.

Hoe maakt het beslissingsboom training algoritme gebruik van recursie?

- Het bouwt linker- en rechtersubboom door zichzelf aan te roepen met een van de datapartities en het verwijderen van de net geselecteerde kenmerk.

Wat doet de recursieve functie DecisionTreeTest in het algoritme?

- De functie doorloopt de beslissingsboom tot een blad wordt bereikt.
- Bij een blad wordt de geassocieerde gokwaarde geretourneerd.
- Als een niet-bladknooppunt wordt bereikt, wordt de functie recursief aangeroepen met het linker- of rechterkind op basis van de featurewaarde.

De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:

Machine learning lliterature pddf

Bekijk samenvatting