Оглавление
Чередующееся дерево решений
-
Основы ADTree
- ADTree – метод машинного обучения для классификации, основанный на деревьях решений.
- Обобщает деревья решений, повышая эффективность.
- Состоит из чередования узлов принятия решений и прогнозирования.
-
История и мотивация
- Представлены Йоавом Фрейнд и Ллеу Мейсоном, но с ошибками.
- Бернхард Пфарингер, Джеффри Холмс и Ричард Киркби внесли улучшения.
- Реализации доступны в Weka и JBoost.
-
Структура и классификация
- Чередующиеся деревья решений структурируют набор гипотез.
- Экземпляр классифицируется суммированием узлов прогнозирования.
- Отличается от бинарных деревьев классификации, где экземпляр следует по одному пути.
-
Пример использования
- Построено дерево с использованием JBoost на базе spambase.
- Оценка экземпляра производится суммированием узлов прогнозирования.
-
Интерпретация и алгоритм
- Три уровня интерпретации атрибутов: узлы, наборы узлов, дерево в целом.
- Алгоритм включает правило, состоящее из предварительного условия, оговорки и оценок.
- Вспомогательные функции для вычисления весов примеров.
-
Эмпирические результаты и рекомендации
- ADTrees надежны и могут достигать эквивалентной точности с более простыми древовидными структурами.
- Ссылки на введение в Boosting и программное обеспечение JBoost для ADTrees.