როგორ მუშაობს გადაწყვეტილების ხე R-ში?
როგორ მუშაობს გადაწყვეტილების ხე R-ში?

ვიდეო: როგორ მუშაობს გადაწყვეტილების ხე R-ში?

ვიდეო: როგორ მუშაობს გადაწყვეტილების ხე R-ში?
ვიდეო: Data science : R Predictive analytics with Decision Tree 2024, ნოემბერი
Anonim

გადაწყვეტილების ხე არის ზედამხედველობითი სწავლის ალგორითმის სახეობა, რომელიც შეუძლია გამოიყენება როგორც რეგრესიაში, ასევე კლასიფიკაცია პრობლემები. ის მუშაობს როგორც კატეგორიული, ასევე უწყვეტი შეყვანის და გამომავალი ცვლადებისთვის. როდესაც ქვეკვანძი იყოფა შემდგომ ქვეკვანძებად, ის არის მოუწოდა ა გადაწყვეტილება კვანძი.

ანალოგიურად, როგორ ახორციელებთ გადაწყვეტილების ხეს R-ში?

  1. ნაბიჯი 1: მონაცემების იმპორტი.
  2. ნაბიჯი 2: მონაცემთა ნაკრების გასუფთავება.
  3. ნაბიჯი 3: შექმენით მატარებელი/სატესტო ნაკრები.
  4. ნაბიჯი 4: შექმენით მოდელი.
  5. ნაბიჯი 5: გააკეთე პროგნოზი.
  6. ნაბიჯი 6: გაზომეთ შესრულება.
  7. ნაბიჯი 7: დაარეგულირეთ ჰიპერპარამეტრები.

გარდა ამისა, როგორ მუშაობს გადაწყვეტილების ხე? გადაწყვეტილების ხე აშენებს კლასიფიკაცია ან რეგრესიის მოდელები ა-ს სახით ხე სტრუქტურა. ის ანაწილებს მონაცემთა კომპლექტს უფრო და უფრო მცირე ქვეჯგუფებად და ამავე დროს ასოცირდება გადაწყვეტილების ხე თანდათან ვითარდება. საბოლოო შედეგი არის ა ხე თან გადაწყვეტილება კვანძები და ფოთლის კვანძები.

ამასთან დაკავშირებით, რომელი პაკეტი გამოიყენება R-ში მოცემული მონაცემთა ნაკრებისთვის გადაწყვეტილების ხის შესაქმნელად?

რ აქვს პაკეტები რომლებიც არიან გამოიყენება შესაქმნელად და ვიზუალურად გადაწყვეტილების ხეები . ახალისთვის კომპლექტი პროგნოზირების ცვლადის, ჩვენ გამოყენება ეს მოდელი მივიდეს ა გადაწყვეტილება კატეგორიაში (დიახ/არა, სპამი/არა სპამი). მონაცემები . The R პაკეტი "წვეულება" არის გამოიყენება გადაწყვეტილების ხეების შესაქმნელად.

როგორ მუშაობს Rpart R-ში?

The ნაწილი ალგორითმი მუშაობს მონაცემთა ნაკრების რეკურსიულად გაყოფით, რაც ნიშნავს, რომ ქვესიმრავლეები, რომლებიც წარმოიქმნება გაყოფის შედეგად, შემდგომში იყოფა მანამ, სანამ არ მიიღწევა წინასწარ განსაზღვრული შეწყვეტის კრიტერიუმი.

გირჩევთ: