Kedalaman pohon keputusan

Karena algoritma pohon keputusan terpecah pada suatu atribut pada setiap langkah, kedalaman maksimum pohon keputusan sama dengan jumlah atribut data. Apakah ini benar?

classification cart

— Qwerto
sumber

Tidak, karena data dapat dipisah pada atribut yang sama beberapa kali. Dan karakteristik pohon keputusan ini penting karena memungkinkan mereka untuk menangkap nonlinier dalam atribut individual.

Sunting: Untuk mendukung poin di atas, inilah pohon regresi pertama yang saya buat. Perhatikan bahwa keasaman dan alkohol yang mudah menguap muncul beberapa kali:

— mkt - Pasang kembali Monica
sumber

Jangan mengerti mengapa Anda diturunkan, tapi saya menyeimbangkannya lagi (+1);)

— Firebug

Saya sangat percaya, bahwa downvotes kadang-kadang terjadi secara acak, terlepas dari kualitas posting. Kita hanya perlu membiasakan diri dan tidak membuang waktu untuk berpikir terlalu banyak tentang downvotes tunggal.

— Bernhard

@mkt jika Anda merasa ingin mengedit lagi, Anda dapat menambahkan bahwa biasanya pohon keputusan berhenti membuat cabang baru ketika layer tingkat kemurnian yang ditentukan sebelumnya tercapai, sebuah node memiliki kurang dari jumlah elemen yang ditentukan, atau sepenggal node akan menyebabkan ke simpul baru dengan jumlah elemen yang kurang dari yang ditentukan. Alasan-alasan ini dapat dengan mudah menyebabkan atribut tidak digunakan sama sekali.

— meh

+1, tetapi plot ini memang meninggalkan sesuatu yang diinginkan. Cabang mana yang mewakili yes, misalnya? Mungkin membantu untuk memposting dataset & kode, jika itu bisa dilakukan.

— gung - Reinstate Monica

Maksud saya adalah, misalkan alcohol = 10.50(yaitu, alcohol < 10.53), apakah Anda kemudian melanjutkan ke bawah cabang kanan atau kiri pohon?

— gung - Reinstate Monica