汪同学2021-08-06 21:12:36
汪同学02.6 是否CFA标准下，认为CART不需要超参？实际上所有Tree模型，一般都依赖于类似减枝策略，分裂策略，列采样，样本采样之类的东西。求指导，有CFA标准下对CART 和 KNN特点的对比吗？，因为和实际应用的时候貌似理解不太一样没法直接套
查看试题回答（1）
Essie2021-08-09 10:51:03
Essie同学你好，
A的表述为CART不需要像KNN一样在开始就设定超参数K，这句话是正确的，因为这里的目标变量是二进制变量，是否为收购目标。
像研究人员可能会设定决策树的最大深度，最大决策节点数等正规化标准，以及剪枝等方法都是为了避免过拟合才会使用的，所以本质不属于题目中表述的initial hyperparameter.
KNN通过发现新观测值与训练样本之间的相关性来对观测值进行分类，需要优先设定超参数。
分类回归数适用于目标变量是分类变量，特别是二进制变量时使用，不需要优先设置超参数。
如果我的回答有帮助到您，请【点赞】支持一下我们，祝您考试顺利，加油 :)
- 评论（0）
- 追问（2）
- 追问
-
是这边就不是特别理解...CFA怎么定义Initial hyperparameter... 一般做ML就只有说hyperparameter 然后任何模型都理论上是需要的，不知道是否原版书里是否有对 Initial hyperparameter 作定义。比如说你决策树做5层和做8层肯定效果是不一样的。或者说分裂策略是啥最后出来的树一般都是不同的。就实操中都叫hyperparameter 在模型训练之前给出，然后一般像后面说的做个grid search或者random search来获取最优。
- 追答
-
CFA中CART在一开始不需要设置超参数，分类回归树具体分几层，分析师可能不会事先确定，比如说我能接受的error rate是15%，那我在一开始是没法确定到底分几层的。
评论
0/1000
追答
0/1000
+上传图片