HyperAI

Schräger Entscheidungsbaum

Schräger EntscheidungsbaumAuch als multivariater Entscheidungsbaum bekannt, verwendet er den linearen Ausdruck mehrerer Attribute des Knotens als Bewertungskriterium. Im Vergleich zum univariaten Entscheidungsbaum verfügt er über die Fähigkeit, die komplexe Beziehung zwischen kontinuierlichen Attributen zu modellieren.

Jeder Knoten eines univariaten Entscheidungsbaums verwendet dasselbe Attribut. Wenn der generierte Entscheidungsbaum in einem Koordinatenraum dargestellt wird (das Attribut ist die Koordinatenachse), dann verlaufen die Grenzen parallel zur Koordinatenachse. Allerdings ist es in manchen Fällen schwierig, die Klassifizierungsgrenze anhand eines einzelnen Attributs zu charakterisieren, was zu Jitter führt. Dieses Zittern kann jedoch mit nur einer Hypothenuse gelöst werden, nämlich der linearen Kombination der Attribute.

Verweise

【1】https://blog.csdn.net/u012882134/article/details/78305766

【2】http://www.wangxianfeng.name/2011/08/characteristic-of-decision-tree/