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。

在此页面上