Regression tree option for decision tree

借助具备新式采样和可视化功能的回归树选项,对决策树进行评估。

在决策树可视化中右键单击并选择“选项”> 回归树,借助回归树选项对决策树进行评估。

更新后的决策树生成器:引入新算法用于构建决策树。它可以处理更多的常规数据,并提供信息更丰富的可视化,进而提高预测精度。

改进后的数据采样模型:采用已更新且具备适应性的采样方法,有助于决策树和倾向得分获得更加准确的结果。

绿色和红色分别表示真或假。色彩饱和度 - 例如深红色和浅红色 - 用于表示可能性。例如,深红色的节点为假的可能性非常高,而浅红色的节点为假的可能性较低。深绿色的节点为真的可能性非常高。

各个决策树的分支宽度各异,用于表示相应分支的流量水平。

在决策树可视化中,右键单击并选择“选项”> 回归树。选择后,就会提供其他设置:

回归设置 描述

每个功能限用一次

选择此选项便不能再多次使用各个功能(类似于原始决策树)- 所以,如果您有五个输入,则树不能多于五层,而且树的结构类似于决策树(但是更加复杂)。此选项通过每个功能限用一次(类似于原始决策树)的限制,能够加快树的构建。默认设置为使用此功能。

回归树层数设置

此选项能够控制回归树的复杂度。您可能需要根据自己的数据构建一棵优良的树(结构复杂,节点较多),从而实现更加有意义的树分类。如果您拥有大量数据,则可以选用相对粗略的树(复杂度较低,树节点较少)。

注意:默认设置为典型。某些极端情况下,典型设置的效果不及粗略优良设置,但是可以提供更好的数据研究视角。

优良:复杂度最高、报告粒度级别最高、分支最多的树。

典型:粒度级别和分支数量居平均水平。

粗略:复杂度最低、定义的类别最少、分支最少的树。

On this page

Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now
Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now