如何处理多类决策树？
多类决策树处理是指在机器学习中，针对多类别分类问题，使用决策树算法进行分类。下面是对如何处理多类决策树的完善且全面的答案：
多类决策树处理方法：
- One-vs-Rest (OvR)：将多类别问题转化为多个二分类问题，每个类别与其他类别进行二分类。对于每个类别，训练一个二叉决策树，将该类别作为正例，其他类别作为负例。最后，将所有二叉决策树组合起来形成多类决策树。
- 优势：简单易实现，适用于大多数多类别问题。
- 应用场景：文本分类、图像分类等多类别分类问题。
- 腾讯云相关产品：腾讯云机器学习平台（https://cloud.tencent.com/product/tcml）
- 多类别决策树：直接构建一个多叉决策树，每个节点对应一个类别，根据特征进行分裂，直到达到终止条件。每个叶子节点表示一个类别。
- 优势：直接处理多类别问题，不需要转化为二分类问题。
- 应用场景：多类别问题较为复杂的情况。
- 腾讯云相关产品：腾讯云机器学习平台（https://cloud.tencent.com/product/tcml）
- Error-Correcting Output Codes (ECOC)：将多类别问题转化为多个二分类问题，并使用纠错码进行编码和解码。每个类别对应一个编码，通过编码和解码过程进行分类。
- 优势：能够处理多类别问题，并具有一定的容错性。
- 应用场景：多类别问题较为复杂且需要容错性的情况。
- 腾讯云相关产品：腾讯云机器学习平台（https://cloud.tencent.com/product/tcml）
以上是处理多类决策树的几种常见方法，根据具体问题的复杂程度和需求，选择适合的方法进行处理。腾讯云机器学习平台提供了丰富的机器学习工具和服务，可以帮助开发者进行多类决策树的处理和应用。
相关·内容
2回答
决策树中的下一个最佳预测
、、、、
我使用决策树分类器来预测基于以下数据选择的块。
📷
我能够预测基于数据的“块选择”列。怎样才能得到第二好，第三最好的预测等等(我需要一个有序的列表)？我能用决策树得到这个吗？或者我应该使用不同的模型？对于如何使用python学习这一点，有什么想法吗？
浏览 0提问于2018-05-10得票数 0
回答已采纳
我想知道在is中，使用OneVsAll决策树进行多类分类是否更好？
我认为这也许对模型的可解释性更好，但我没有看到任何人这么说。
浏览 0提问于2021-04-06得票数 1
我是机器学习的初学者，正在尝试使用决策树。我正在查看决策树的可视化，并想知道错误值意味着什么。是坚尼指数，还是信息增益，还是什么？也会很欣赏它的直观含义。
浏览 1提问于2012-11-23得票数 5
我正在学习一些机器学习，目前正在学习决策树。我想知道，如果决策树必须区分三个或更多可能的类，为什么杂质度量不是一个好的度量。是不是因为随机性，像k-means聚类这样的东西更好？
干杯
浏览 1提问于2017-04-07得票数 1
我正在尝试在MATLAB中建立一个二进制分类的决策树。我为每个实例提供了4个功能。正类中约有25,000个实例，负类中约有350,000个实例。
我尝试过在分类学习应用程序中和使用fitctree构建分类器，但两者似乎都只是将所有内容都标识为负面类。我猜MATLAB正在构造树，以产生最高的“准确性”。
有没有一种方法可以将决策树构建成更敏感的模型？(也就是说，除了“准确性”，我是否可以使用fitctree来构建灵敏度为70/80/90%或灵敏度和特异度相似的模型？)
浏览 1提问于2018-02-16得票数 1
我正在检验我的GradientBoostingClassifier模型的弱估计量。该模型适用于二进制类数据集。
我注意到，该集合分类器下的所有弱估计器都是决策树回归对象。这在我看来很奇怪。
我选择了集合中的第一棵决策树，并使用它对整个数据集进行独立预测。来自数据集的唯一答案如下：
array([-2.74, -1.94, -1.69, ...])
我的问题是:梯度增强分类器为什么以及如何将弱估计器转化为不受0和1约束的回归量任务(而不是分类任务)？最终，GradientBoostingClassifier输出0到1之间的伪概率:为什么弱估计的集合不做同样的工作？
浏览 0提问于2020-10-29得票数 2
回答已采纳
我正在创建决策树建模数据，如下所示。
pelvic_radius degree_spondylolisthesis class
82.45603817 41.6854736 Abnormal
114.365845 -0.421010392 Normal
完成后，我通过树运行测试数据，并将运行的输出与给定的输出进行比较。这将允许我检查我的准确性、精确性和回忆值。
TP = 0; % True Positives
TN = 0; % True Negatives
FP = 0; % False Positives
FN = 0; % False
浏览 0提问于2018-01-28得票数 5
回答已采纳
2回答
如何处理决策树中的数据
、、、、
我正在尝试为我从Kaggle获得的数据集创建决策树。因为我没有处理真实数据集的经验，所以我不知道如何处理数据的清理、集成和缩放(主要是缩放)。
例如，假设我有一个具有实数的特征。因此，我希望通过将分类数据扩展到特定数量的组(用于决策树)来实现类似于分类数据的功能。
在这种情况下，我不知道有多少组数据对于决策树来说是合理的。我确信这取决于特征的数据分布和目标数据集中唯一值的数量，但我不知道如何通过查看分布和目标数据集找到好的猜测。我最好的猜测是将特征的数据划分为与目标数据集的唯一值的数量相似的数量。(我甚至不知道这是否有意义。)
当我从学校学习时，我已经得到了每个特征的2-5个分类数据，所以我不
浏览 2提问于2017-10-22得票数 0
我想构建一个决策树，但我的因变量中有4个类别(1，2，3，4)。我如何构建？我熟悉rpart软件包，它可以用于二进制因变量。我认为如果我们有更多的类别，那么我们就需要建立CHAID模型。请提个建议。
data<-rpart(cluster, indvariable, data=segmentation, control=rpart.control(cp=0.01)
Cluster是我的因变量，有4个类别。
提前谢谢。
浏览 1提问于2017-02-10得票数 6
1回答
具有高基数属性的决策树
、、、
我想学习一个决策树，它有一个合理的离散目标属性，有5个可能不同的值。但是，有一些离散的高基数输入属性(1000 s的不同可能的字符串值)，我想知道包含它们是否有意义。在包含用于训练决策树的属性时，是否有任何策略应该是最大基数？
浏览 1提问于2014-01-31得票数 1
回答已采纳
1回答
我在用CNN模型进行图像分类。我想尝试使用决策树或增强树模型的图像分类。我发现Tensorflow是增强树模型，但我无法理解如何将图像作为模型的输入。如果你知道如何使用tf.boosted树训练图像分类，请指导我。
浏览 1提问于2019-09-19得票数 0
回答已采纳
问题是，我想得到数组的可能性，每类在我的预测，得到一个ROC曲线，但在某些值，我得到的每一个类别。
莱特尔是我想预测的列。
下面是一个示例数据库：
df = pd.DataFrame({'lettr': ['T','I','D','N','G','S','B','A','J','M','X','O','G','M','R','F
浏览 16提问于2022-06-25得票数 2
2回答
我正在上机器学习课，我们现在用的是监督学习，从决策树开始。我使用的UCI信用卡数据集(是否某些人会拖欠他们的付款，因为过去的历史)。
对此尝试使用决策树分类器。使用scikit运行验证曲线--学习，我得到了一个我不太清楚该如何解释的图。从轴上可以看到，参数是min_samples_leaf，我将它从1变到30 (乘以2)。
📷
基于这个图和一些谷歌搜索，我相信正确的解释方法是这个数据集有很高的偏差，没有任何变化，没有真正的学习。或者，换句话说，对于这个数据集，决策树不是一个很好的算法，因为似乎并没有真正的权衡。
对于最大深度，我得到了一个验证曲线，如下所示：
📷
根据我在这里看到的，在较小的集
浏览 0提问于2019-09-18得票数 4
回答已采纳
从来看，DecisionTreeClassifier似乎支持多类特性。
DecisionTreeClassifier能够同时进行二进制(标签为-1，1)分类和多类分类(标签为0、.、K-1)。
但是，似乎每个节点中的决策规则都是基于“更大的”。
我试图构建具有枚举特征的树(每个特性的绝对值没有任何意义-只是相等\不相等)
这在科学学习决策树中得到支持吗？
我目前的解决方案是将每个特性分离成一组二进制特性，用于每个可能的值--但我正在寻找一个更干净、更有效的解决方案。
浏览 7提问于2013-09-11得票数 7
回答已采纳
4回答
离群值:据我所知，决策树对异常值是稳健的。有人能证实我的假设是否正确吗？(如果我的特征从0到9不等，但存在一个值为10000的异常值，那该怎么办？)它是否为这个离群点样本创建了一个单独的叶子，还是会与其他树的叶子合并？
空值:在使用决策树建立模型之前，我们需要替换空值吗?还是由决策树技术自动处理？
谢谢。
浏览 0提问于2018-05-09得票数 6
回答已采纳
2回答
我正在寻找一个Java库，它不仅可以使用ID3或C4.5算法构建决策树，还可以以某种合适的格式存储新构建的树。问题是，我计划使用决策树引擎作为某种用户需求推断系统，即在使用训练数据生成决策树后，我想给它输入(来自用户的数据)，并使用输出作为对用户的推荐。简单地说，我只是不希望能够遍历生成的树并根据输入数据集获得结果。我还希望不仅构建二进制决策树，而且为每个父节点构建具有可变数量的子节点的树(这意味着一些节点可能有两个子节点，有些是三个，所有这些都是根据在父节点中选中的属性的值)。我刚刚开始使用决策树，在这个领域没有太多的经验。我用谷歌搜索，开始寻找WEKA，但我不确定它是否满足我的要求。任何指
浏览 1提问于2012-04-13得票数 0
所以，我在这里的困境是，我在一个独立决策树分类器上执行了超参数调优，我得到了最好的结果，现在轮到独立的Adaboost，但是这里是我的问题所在，如果我在Adaboost中使用调优的决策树作为base_estimator，那么我只对Adaboost执行超参数调优，它会产生与尝试对未调优的Adaboost和未调优的决策树同时作为base_estimator执行超参数调优的结果吗?在这里，我一起尝试Adaboost和决策树的超参数。
浏览 0提问于2021-09-15得票数 0
回答已采纳
2回答
我正在尝试对大量的项目和类别训练SVM分类器，这会变得非常非常慢。 首先，我从我的数据中提取了一个特征集，具体为512个特征，并将其放入numpy数组中。这个数组中有13k个项目。看起来是这样的： >>print(type(X_train))
<class 'numpy.ndarray'>
>>print(X_train)
[[ 0.01988654 -0.02607637 0.04691431 ... 0.11521499 0.03433102
0.01791015]
[-0.00058317 0.05720023 0.0
浏览 231提问于2019-02-05得票数 2
2回答
据我所知，决策树试图将高熵的分类器放在决策树上。然而，信息的获取是如何发挥作用的呢？
信息增益被定义为：
InformationGain = EntropyBefore - EntropyAfter
决策树是否试图将信息增益较低的分类器放置在树的顶部？那么，熵总是最大化，信息增益总是最小化吗？
对不起，我只是有点糊涂。谢谢!
浏览 1提问于2013-12-19得票数 6
我正在用Apache Spark做一些测试，为我的大学期末项目做一些测试。我有一个数据集，用于生成决策树，并对新数据进行一些预测。
在未来，我想将这个项目用于生产，在那里我将生成一个决策树(批处理)，并通过web界面或移动应用程序接收新数据，对该条目的类别进行预测，并将结果立即通知用户。并在生成新的决策树(批处理)之后存储这些新条目，并连续重复此过程。
尽管Apache Spark的目的是执行批处理，但是有一个允许您接收实时数据的流式API，在我的应用程序中，这些数据将只由带有决策树的批处理过程中构建的模型使用，而且预测非常快，它允许用户快速获得答案。
我的问题是，将Apache Spark与
浏览 2提问于2015-05-10得票数 6
1回答
我想通过得到每个类的分类概率，在randomForest中的每个树。
(1)输出单个输出，但它的类型是响应，而不是概率。
predict(rf_cl, newdata, predict.all=TRUE)$individual
(2)这产生了概率，但它属于森林，而不是所有的树木：
predict(rf_cl, newdata, type="prob")
(3)当我尝试这个时，得到的输出与第一个输出相同。
predict(rf_cl, newdata, predict.all=TRUE, type="prob")$individual
我在网上搜索了很长时间。
浏览 7提问于2022-07-03得票数 2
1回答
我正在尝试使用sci-kit学习来开发一个机器学习程序，它可以从5个输入中预测9个输出，但遇到了问题。
出于训练目的，我已经获取了20,000个5个输入和相应9个输出的实例。输入表示放大器的性能测量结果。输出表示提供这些性能测量的组件大小。
因此一行输入变量X可以是: 8430,6895,12735,208929613,249
对应的输出变量y: 1000、400、1000、2000、2500、1000、80、1000、2000
在导入所有相关的库并将输入分配给X，将输出分配给y之后，我尝试创建模型，如下所示：
X_train, X_test, y_train, y_test = train_
浏览 0提问于2021-02-23得票数 0
1回答
我想做情绪分析与3类(积极，中立，和消极)。我看到了很多关于情绪分析的工作，包括两类(积极和消极)，但3类就更少了。如果我想使用一种单词包方法和一个分类器，如Logistic回归或Scikit学习中的SVMs，这将如何工作呢？对于我的输出来说，用3个类来预测的步骤是什么？
我是否必须将每个类作为一个二进制分类，并做一些事情来组合结果，还是说滑雪板可以为我做一些处理，所以我不需要指定这一点？
浏览 4提问于2017-11-15得票数 1
回答已采纳
2回答
我发现了不同类型的决策树，例如SPRINT和SLIQ方法。这两种方法都用于解决分类问题，使用Gini索引进行特征选择并遵循步骤(根据幻灯片8上的这 )：
开始对样本进行预分类。
只要没有达到停止标准:对于每个属性:将所有节点放置到类直方图中，并开始对拆分进行评估。
选择一个分裂。
更新决策树；对于每个新节点，更新其类列表(节点)。
所以，我的问题是: SPRINT算法和SLIQ算法有什么区别？
浏览 0提问于2022-03-29得票数 1
回答已采纳
1回答
我希望使用Python 库来设置一个SciKit。然而，我面临的问题是，它不是一个简单的"n_outputs“分类。一些样本将有3个输出，一些4，一些5。我不知道最好的方法是把它传递给库。
我正在考虑使用输出的最大数量，并进行“无输出”分类。因此，如果我训练一个集，其中每一个样本被强制到5个输出，任何样本原本只有3个分类将改为5通过添加“无输出”分类。
你觉得这样行吗？还有其他方法来实现多输出决策树的可变输出数吗？
浏览 3提问于2015-05-19得票数 2
回答已采纳
1回答
我有一个很大的数据集(数十亿条记录)，它几乎完全由分类变量组成。这些数据将被用来预测一个相当罕见的数值结果。大多数属性都具有很高的基数:可能只有少数几个样本属于每个类别。
我阅读了，其中他们使用R中的分层聚类来降低类似任务的维数。以下代码用于小型数据集，但在扩展时会迅速消耗所有内存：
library(cluster)
numClusters = 42
hc <- hclust(daisy(df))
cutree(hc, k = numClusters)
我考虑过使用Mahout的kmeans实现，但这对于分类变量来说是行不通的，因为它需要一个双倍向量。
StackOverflow社区中有
浏览 3提问于2015-06-25得票数 0
回答已采纳
2回答
我正在尝试理解ML中决策树分类器背后的直觉。我知道决策树中每个节点的目标是进一步划分可能标签的当前空间，以便根据该节点上给定问题的答案来消除尽可能多的候选标签。但是，这与基于最小化分区“熵”的属性选择分区有什么关系？其中“熵”的定义如下：
H(S) = −p_1*log2(p_1) −... −p_n*log2(p_n)
和分区熵：
H = q_1*H(S_1) +...+ q_m*H(S_m)
with H(S): entropy of a given subset
H: partition entropy
p_i's: proportions of data
浏览 5提问于2016-03-20得票数 1
例如，使用决策树进行药物预测问题。我训练了决策树模型，并希望使用新的数据进行预测。
例如：
patient, Attr1, Attr2, Attr3, .., Label
002 90.0 8.0 98.0 ... ? ===> predict drug A
如何计算药物A预测结果的可信度或概率？
浏览 0提问于2016-04-12得票数 10
回答已采纳
我正在使用j48方法开发一个像Akinator这样的Weka应用程序。
样本：
以下是应用程序的表定义和示例数据qa表示问题id(请参考用户可以设置的主题)+答案(1:是，2:我不知道，3:否)。每1条问题和答案1行。
id，qa，类
A,13,1
A,23,1
B,13,2
B,21,2
关键是找到一种方法来选择能使熵最大化的问题。目前，这个应用程序是将决策树的第一个节点id作为最好的问题。然后它通过这种淘汰方式缩小了选择范围。
但是准确度太差了，无法正确运行，所以我想改进它。我注意到qa列被标识为数字，因此它无法构建正确的决策树。
我搞不懂我该怎么做才能改进。数据集？表定义？逻辑？
浏览 1提问于2014-11-10得票数 1
回答已采纳
我正在做一个使用决策树从日志中预测攻击的项目。 问题是在规范化日志文件之后，我不知道如何识别输出类，以便将从决策树获得的结果与实际结果进行比较。 说实话，我不知道如何识别真正的班级。 我需要关联才能识别类吗？ 谢谢你的帮忙
浏览 15提问于2020-01-24得票数 0
2回答
我有一个for循环，每次生成一个决策树，在以后的程序中，我需要将所有的决策树应用到测试数据中(决策树不是集成在一起的)。我试图将它们存储在一个结构数组中，但是当我将它们应用于测试数据时，我有以下错误：
(未定义的函数“预测”用于输入‘struct’类型的参数。)
我知道生成的树是一个对象，但是如何在MATLAB中存储和检索多个对象呢？
浏览 8提问于2015-09-07得票数 0
回答已采纳
1回答
我在dataset下面，但是它的值是字符串。因此，当我想要训练决策树时，应该通过标签编码将这些特征转换为num。如何在可视化步骤和规则导出中在决策树上打印这些字符串？
feature1 feature2 feature3 feature4 target
low low medium high sick
low high medium medium sick
high medium low high health
...
这是我创建决策树的代码：
le = preprocess
浏览 0提问于2018-10-15得票数 0
我在一段时间前学习了决策树和决策表。我觉得决策表对条件If-Then-Else语句很有帮助。特别是，我觉得决策表没有副作用，例如，如果您没有注意到您需要多一个"else if“语句。
但我不确定如何才能实现它。数组？数据库表？现在有没有人在代码中使用决策表？
浏览 1提问于2008-09-22得票数 7
回答已采纳
3回答
什么时候决策树表现良好？我绘制了一些图表，比较了基于决策树的模型和基于logistic回归的模型。决策树建立模型所需的时间较长，而LRclassifier模型的time.Moreover较小，logistic模型的f-score高于决策树。所以我想知道什么时候应该使用决策树。
浏览 2提问于2017-09-22得票数 1
1回答
假设我的数据包括水果，由它们的颜色、形状和更多的特征(纹理、大小、果皮类型等)描述，具有任意的值。
我希望使用将数据匹配到决策树中。
如何在sklearn.tree中构建决策树。X定义的示例和特性数组是什么，对于数据库我使用的是mongodb，因此数据集以json表示：
{"_id":2323, "shape":"round", "color":[red,green], "texture":"A", "pill":"X", "more":[1,2,3]
浏览 5提问于2013-03-01得票数 1
1回答
使用sklearn创建的决策树的每个节点的“值”的解释是什么？我以为"value“中的数字加起来应该是"samples”，但正如您从图像中看到的，我的不是。(这只是一个节点的图片，但它们都是这样的。)我知道这一定与我应用的类权重有关，因为当我创建一个没有加权的决策树时，这些值加起来就是样本。但由于我10%的数据是'1‘，90%是目标变量的'0’，我分配了{0:0:10，1:0.90}的类权重来补偿数据中的不平衡。是不是应该反过来呢？ ? 请帮助我理解如何解释决策树中的每个节点。谢谢!
浏览 27提问于2021-06-19得票数 1
回答已采纳
2回答
我是机器学习方面的一个大学生，我想问一问，是否可以通过在column1上应用一些条件来转换一个二进制分类器标签(y)来获得第三种情况。
也就是说，不是只有两个“容易”和“困难”的情况作为输出，我需要对一个附加的特性应用一个条件，以便得到输出“轻松”、“正常”、“困难”。
我还需要一些关键字，我可以使用谷歌作为一个请求寻找解决方案。
浏览 0提问于2019-03-02得票数 1
1回答
我有一个数据集，其中包括三种类型的变量:自然状态，人类决策，响应变量。我正在尝试使用决策树学习来使用其他变量来预测响应变量。
我的心理模型是，人们看着自然的状态并做出决定。因此，我强烈希望我的决策树首先根据自然变量的状态进行分区，然后根据人类决策变量进行分区。我不希望只是丢弃决策树模型中的所有变量，然后看看会弹出什么。
这个心理模型是有效的吗?如果是的话，我该如何使用Azure ML实现这样的东西呢？我甚至不知道用什么词来描述这个问题--这是“半监督”决策树学习吗？
浏览 3提问于2016-04-27得票数 0
1回答
Weka中的分类器(如决策树)将如何解释“？”(这代表ARFF文件中的缺失值)在学习阶段？Weka只会用一些预定义的值(例如'0‘或'false')替换它，还是会以某种方式影响训练过程？
浏览 1提问于2011-05-16得票数 2
回答已采纳
我知道如何使用predict_proba()和输出的含义。有人能告诉我predict_proba()如何在内部计算决策树的概率吗？
浏览 16提问于2022-11-23得票数 -2
1回答
决策树:分类概率分布？
、、、
我使用Weka的J48 (C4.5)决策树分类器。一般来说，对于决策树，当你击中一片叶子时，能不能确定一个分类概率分布？我知道在朴素贝叶斯中，每一次分类尝试都会产生一个分类分布。
如果可以使用决策树，这种功能在Weka J48树中可用吗？我也可以尝试实现我自己的树。
浏览 3提问于2012-08-07得票数 3
我在机器学习方面绝对是个菜鸟。我有一个数据集，其中的值如下：
state
hour
day of the week，
device platform，
user agent，
以及基于是否有点击的是或否。
这些数据主要是字符串值，可以从标题中推断出来。对于zip、设备平台id等数据，它们的数量也很多。
此外，与非点击记录的数量相比，点击记录的数量是非常小的数字。
那么，基于这些结果，我应该如何训练模型？另外，我应该实现什么算法-回归、分类或决策树？提前感谢！！
浏览 1提问于2014-06-13得票数 1
6回答
问题涉及决策树的建立。根据维基百科的说法，'基尼系数‘不应该与'基尼杂质’混淆。然而，这两种方法都可以在构建决策树时使用--它们可以支持我们在拆分项目集时的选择。
1)“基尼杂质”--这是一种标准的决策树分裂度量(见上面的链接)；
2)“基尼系数”--每一次分裂都可以根据AUC准则进行评估。对于每个分裂场景，我们可以构建一个ROC曲线并计算AUC度量。根据维基百科AUC=(GiniCoeff+1)/2；
问题是:这两项措施是否等同？一方面，我被告知，基尼系数不应与基尼杂质混淆。另一方面，这两种方法都可以用于做同样的事情--评估决策树拆分的质量。
浏览 0提问于2014-09-09得票数 33
我在看一个为Kaggle比赛张贴的笔记本电脑。他们使用lightgbm，叶数设置为40。如果我明白的话，这就限制了弱学习者(决策树)的大小，这些树不能有超过40片叶子。
但是，经过培训，我们发现最重要的特性是包含1000+类别的分类变量！如果在决策树中为该变量使用分支，那么它不一定至少有1000+叶吗？
这种情况是如何处理的？当弱学习者的离开数小于其中一个变量中的类别数时？
浏览 0提问于2020-02-07得票数 1
1回答
突然间，我遇到了一个深刻的问题:计算机是如何生成决策树的。
例如，考虑使用随机森林算法预测特定花卉种类的问题。一朵花有两个特定的属性(花瓣宽度、花瓣长度)来区分物种。
关于花的问题，当使用sclearn的Python决定树()时，计算机如何计算出花瓣的宽度和花瓣的长度来创建树？另外，随机森林算法是否通过蛮力强迫并通过权衡树的每一个变化来创建这些决策树？
浏览 2提问于2022-07-13得票数 0
1回答
我读过，决策树可以代表任何假设，因此完全有表现力。那么，我们如何以决策树的形式表示线性回归的假设呢？我指的是等式
w0 + w1.x1 + w2.x2 + .... + wn.xn = yn
浏览 0提问于2019-01-07得票数 0
回答已采纳
1回答
我在做一个小项目。假设我有一个包含大约100K条记录的表，其中包含年龄、性别、区域、寿命(产品使用天数的名义范围)等列，其中生命是因变量，所有其他变量都是自变量。我根据可用的数据创建了一个决策树。现在我的问题是，假设我有一条新记录，我想知道在遍历决策树之后，该记录落入哪个终端节点，即，该记录落入哪个生命范围。为此，我如何将该记录传递到决策树并获得输出？
浏览 1提问于2013-06-17得票数 1
1回答
罕见事件的预测分析
、、、、
我试图预测罕见的事件，意味着不到1%的阳性病例。我基本上试着预测一个主题是否会有0，1，2.，6，>6的失败(在所有这些类别中都有)。
我尝试过几种算法：
决策树
随机林
阿达博斯特
使用k-均值聚类进行分组，并发现与故障的关联(哪个组的故障最多)
在任何情况下，学习要么没有失败，要么有太多的差异(导致在C.V.集上的错误结论)。
你知道哪些机器学习算法更适合于罕见的事件吗？
或者，我使用这些算法得到了这些糟糕的结果，这是否令人惊讶，这意味着我的特性列表不是很好？
非常感谢。
浏览 0提问于2015-10-29得票数 5
回答已采纳
3回答
大量标签的分类器
、、
我有一个商人数据集，有80万个样本和18,000个标签。每个样本都与单个标签相关联，并且标签是独立的。
示例示例如下所示
description, label
int'l 0028240525 amazon uk retail amazon.co.uk, Amazon
除了现有的样本外，还将有新的零售商添加到数据集中。在这种情况下，很可能只有一个样本的新零售商。
总之，我需要一个分类器
处理大量的标签(~18,000份，独立的，每个样本的单一标签)
能够对样本不足的标签(即单一零售商)进行分类。
有什么办法能同时解决这两方面的问题吗？也许两个独立的分类器更有意义？
浏览 0提问于2019-03-02得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
