From 5d80c7b95a116c2881be6deed8b8320d0217237d Mon Sep 17 00:00:00 2001 From: CoderOverflow Date: Mon, 8 Apr 2019 02:47:36 +0800 Subject: [PATCH] =?UTF-8?q?2.17.7=20=E5=89=AA=E6=9E=9D=E5=A4=84=E7=90=86?= =?UTF-8?q?=E7=9A=84=E4=BD=9C=E7=94=A8=E5=8F=8A=E7=AD=96=E7=95=A5=20?= =?UTF-8?q?=E5=86=85=E5=AE=B9=E4=BF=AE=E8=AE=A2?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 2.17.7 剪枝处理的作用及策略 内容修订 --- ch02_机器学习基础/第二章_机器学习基础.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) diff --git a/ch02_机器学习基础/第二章_机器学习基础.md b/ch02_机器学习基础/第二章_机器学习基础.md index 716746f..aeb4b8f 100644 --- a/ch02_机器学习基础/第二章_机器学习基础.md +++ b/ch02_机器学习基础/第二章_机器学习基础.md @@ -1495,11 +1495,11 @@ $$ ​ 惩罚参数：数据集D以特征A作为随机变量的熵的倒数。 ### 2.17.7 剪枝处理的作用及策略？ -​ 剪枝处理是决策树学习算法用来解决过拟合的一种办法。 +​ 剪枝处理是决策树学习算法用来解决过拟合问题的一种办法。 ​ 在决策树算法中，为了尽可能正确分类训练样本， 节点划分过程不断重复， 有时候会造成决策树分支过多，以至于将训练样本集自身特点当作泛化特点， 而导致过拟合。 因此可以采用剪枝处理来去掉一些分支来降低过拟合的风险。 -​ 剪枝的基本策略有预剪枝(prepruning)和后剪枝(postprunint)。 +​ 剪枝的基本策略有预剪枝（pre-pruning）和后剪枝（post-pruning）。 ​ 预剪枝：在决策树生成过程中，在每个节点划分前先估计其划分后的泛化性能， 如果不能提升，则停止划分，将当前节点标记为叶结点。