在做决策树之前如何减少变量?
新手最好的答案
-
BalazsBarany
管理员，版主，员工，RapidMiner认证分析师，RapidMiner认证专家职位:911
独角兽
嗨！
基于决策树的方法都是关于选择相关属性的。如果您之前删除了属性，那么树就会发生变化，这些属性将是相关的，您的树可能会变得更糟。如果树没有改变，则删除实际上找到了不相关的属性，但无论如何，这都是通过决策树的情况。
对你的属性进行评估并检查它们是否有有害的东西，比如“未来的”知识泄漏到模型中，或者很难获得数据，或者属性有许多缺失值，这是一个好主意。您可以手动删除这些。但是，在使用任何选择或权重属性本身的方法之前，您不应该基于“我认为这些属性不相关”而删除属性。这将是“部分人类，部分机器学习”，很难从这个过程中获得比为这个任务编写的算法更好的结果。
如果您的决策树很难解释，并且可解释性是比准确性更重要的目标，那么最好将修剪参数更改为更严格的值。这将为您提供一个更小、更容易理解的树，而不会在应用之前牺牲相关属性。
问候,
Balazs
1 -
BalazsBarany
管理员，版主，员工，RapidMiner认证分析师，RapidMiner认证专家职位:911独角兽
嗨！
如果决策树的可解释性是最重要的因素，则取决于用例。
通常情况并非如此，我使用参数优化从不同的学习算法中获得最佳决策树或模型。(决策树通常不是最好的模型。)
在Community Samples存储库中有一个示例构建块:
问候,
Balazs
1
答案