橘同学2020-12-31 13:30:01
橘同学老师您好，classification tree的作用就只是对样本分类数据对吗？最终结果是分类讨论的吗？比如其中一个分支的最后一个决策层下面有两个terminal nodes，就只能单独对这一个分支总结结果，那么少数服从多数是怎么选的呢？
回答（1）
Kevin2020-12-31 14:51:07
Kevin同学你好！
1.CART可以用于分类，也可以用于回归。
2.不是分类讨论的，按照节点划分，归到哪一类就是哪一类。
3.见2，CART没有少数服从多数一说，随机森林（由很多决策树构成）才可能有少数服从多数。
致正在努力的你，望能解答你的疑惑~
如此次答疑能更好地帮助你理解该知识点，烦请【点赞】。你的反馈是我们进步的动力，祝你顺利通过考试~
- 评论（0）
- 追问（2）
- 追问
-
谢谢老师，不过CART假如因变量是离散的，也就是classification这种情况，结果不是少数服从多数吗？如果是classification，少数服从多数看所有终止层的结果，regression计算终止层所有结果的均值，那是不是说CART的最终结论只有一个？
另外，上述情况是不是只是针对于CART用于预测？如果是用于分类的话，就不需要看什么结果少数服从多数或者计算均值了，直接列出来classification tree 就可以了？
- 追答
-
同学你好！
1.classification预测时，新数据只会分到某一个末梢节点，这个末梢节点属于哪一类就输出哪一类结果，不需要少数服从多数。
2.回归同理，也不需要取均值。无论分类还是回归，最终得到的值只有1个。
3.一般都是讨论模型如何去预测。考纲没有要求CART如何构建及训练。
评论
0/1000
追答
0/1000
+上传图片