Preguntas etiquetadas con cart

'Árboles de clasificación y regresión'. CART es una técnica popular de aprendizaje automático y constituye la base de técnicas como bosques aleatorios e implementaciones comunes de máquinas de aumento de gradiente.


2
Gradient Boosting Tree vs Random Forest
El impulso del árbol de gradiente propuesto por Friedman utiliza árboles de decisión como aprendices básicos. Me pregunto si deberíamos hacer que el árbol de decisión base sea lo más complejo posible (completamente desarrollado) o más simple. ¿Hay alguna explicación para la elección? Random Forest es otro método de conjunto …


3
Un ejemplo: regresión LASSO usando glmnet para el resultado binario
Estoy empezando a incursionar con el uso de glmnetla LASSO regresión donde mi resultado de interés es dicotómica. He creado un pequeño marco de datos simulados a continuación: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) …
78 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

2
Preguntas prácticas sobre la sintonización de bosques al azar
Mis preguntas son sobre bosques al azar. El concepto de este hermoso clasificador es claro para mí, pero aún hay muchas preguntas prácticas de uso. Desafortunadamente, no pude encontrar ninguna guía práctica para RF (¡He estado buscando algo como "Una guía práctica para entrenar máquinas de Boltzman restringidas" por Geoffrey …


3
¿Qué es la desviación? (específicamente en CART / rpart)
¿Qué es la "desviación", cómo se calcula y cuáles son sus usos en diferentes campos de las estadísticas? En particular, estoy personalmente interesado en sus usos en CART (y su implementación en rpart en R). Estoy preguntando esto ya que el artículo wiki parece algo deficiente y sus ideas serán …
45 r  cart  rpart  deviance 


3
¿Por qué los árboles de decisión no son computacionalmente caros?
En Una introducción al aprendizaje estadístico con aplicaciones en R , los autores escriben que ajustar un árbol de decisión es muy rápido, pero esto no tiene sentido para mí. El algoritmo tiene que pasar por cada característica y particionarlo de todas las formas posibles para encontrar la división óptima. …
38 cart 

6
¿Por qué obtengo un árbol de decisión de precisión del 100%?
Estoy obteniendo una precisión del 100% para mi árbol de decisiones. ¿Qué estoy haciendo mal? Este es mi código: import pandas as pd import json import numpy as np import sklearn import matplotlib.pyplot as plt data = np.loadtxt("/Users/Nadjla/Downloads/allInteractionsnum.csv", delimiter=',') x = data[0:14] y = data[-1] from sklearn.cross_validation import train_test_split x_train …






Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.