下面哪一项用决策树法训练最节约时间

Question

如题所述

Answer 1

下面用决策树法训练最节约时间的是减少数。

决策树模型因为其特征预处理简单、易于集成学习、良好的拟合能力及解释性，是应用最广泛的机器学习模型之一。

决策树算法在决策领域有着广泛的应用，比如个人决策、公司管理决策等。算法逻辑模型以“树形结构”呈现，因此它比较容易理解，并不是很复杂，我们可以清楚地掌握分类过程中的每一个细节。

控制决策树的复杂度：若所有叶结点都是纯的，模型过于复杂，训练集拟合度过高，出现过拟合。两种方法防治过拟合:预剪枝：限制树的生长到某一次停止。限制树的最大深度、叶结点的最大数目后剪枝：生成纯树以后把信息少的结点删掉。

常见决策树分类算法

1、CLS算法

最原始的决策树分类算法，基本流程是，从一棵空数出发，不断地从决策表选取属性加入数的生长过程中，直到决策树可以满足分类要求为止。CLS算法存在的主要问题是在新增属性选取时有很大的随机性。

2、ID3算法

对CLS算法的最大改进是摒弃了属性选择的随机性，利用信息熵的下降速度作为属性选择的度量。ID3是一种基于信息熵的决策树分类学习算法，以信息增益和信息熵，作为对象分类的衡量标准。

ID3算法结构简单、学习能力强、分类速度快适合大规模数据分类。但同时由于信息增益的不稳定性，容易倾向于众数属性导致过度拟合，算法抗干扰能力差。