Arbre de régression des moindres carrésIl s’agit d’un algorithme d’arbre de régression couramment utilisé.

Afin de minimiser l'erreur quadratique, il est nécessaire de parcourir la valeur de chaque caractéristique à tour de rôle et de calculer l'erreur de chaque point de division possible. Enfin, sélectionnez le point avec la plus petite erreur de division et divisez l’espace d’entrée en deux parties. Répétez de manière récursive les étapes ci-dessus jusqu’à ce que la division soit terminée. L'arbre divisé par cette méthode est appelé arbre de régression des moindres carrés.

Cette méthode est relativement complexe, surtout lors de la recherche de points de division, car il est nécessaire de parcourir toutes les valeurs possibles des entités actuelles. Par exemple, s'il y a F valeurs de caractéristiques au total, chaque caractéristique a N valeurs et l'arbre de décision généré a S nœuds internes, alors la complexité temporelle de l'algorithme est O(F* N *S).

Références

【1】Notes d'étude sur l'arbre de classification et de régression CART (blog personnel)