「決定木は回帰問題をどのように解決するのか？」
「決定木は回帰問題をどのように解決するのか？」
自分自身で作成した決定木回帰器（Pythonでスクラッチから）を使って、フードの下にあるものを明らかにする
この記事では、シンプルな例、フローチャート、コードを通じて、決定木回帰器（または回帰木）の内部で実装されたロジック全体をデモンストレーションします。読み終わった後、回帰木の動作原理を明確に理解し、次の回帰チャレンジでより考え深く自信を持って使用および調整できるようになります。
以下の内容をカバーします：
- 決定木に関する素晴らしい導入
- 回帰木のトレーニング用のおもちゃのデータセットの生成
- フローチャート形式での回帰木のロジックのアウトライン
- NumPyとPandasを使用してコードを書き、最初の分割を行うためにフローチャートを参照する
- Plotlyを使用して、最初の分割後の決定木を可視化する
- 再帰を使用して、完全な回帰木を構築するためにコードを一般化する
- 同じタスクを実行し、結果を比較するためにscikit-learnを使用する（ネタバレ：scikit-learnと同じ出力を生成できて誇らしいでしょう！）
導入
決定木は、分類問題だけでなく回帰問題も解決するために使用できる機械学習アルゴリズムです。分類と回帰は本質的に異なるものでありながら、決定木は両方の問題に対して優雅な方法でアプローチしようとします。最終的な目標は、与えられたノードでの最良の分割を見つけることです。そして、その最良の分割がどのように決定されるかが、分類木と回帰木を互いに異なるものにします。
前回の記事では、決定木が分類問題を解決する方法の基礎を触れました。2クラスのデータセットを使用して、エントロピーなどのデータの不純度の尺度を使用して、各ノードでの決定規則が生成されるまでのステップバイステップのプロセスを理解するための手順をデモンストレーションし、その後、Pythonで再帰アルゴリズムを実装して最終的な決定木を出力しました。この記事を読書リストに追加すべきかどうかは分かりませんか？ 決定を下すために、決定…
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
