黄石2024-10-30 09:58:52

同学你好。这两个东西本质上都是stopping rules specified priori，课件上pre-pruning排错了，造成的不便还请谅解。Stopping rules specified priori就是事前设定的一系列规则、以使得决策树不要变的太复杂。常见的stopping rules有：1. 二叉树有多少branches，也就是课件上stopping rules specified a priori下面这里。比方说我设最多3个branches，这样决策树就不会持续不断‘开枝散叶’。2. 对节点上训练集的最小容量进行约束，也就是课件上的pre-pruning这里。这个指的是在某个节点上，训练集容量必须高于某个值，否则就直接出结论。比如说我要去对违约/不违约进行分类，我同时要求每个节点上至少有100个观测值。假设我现在通过FICO > XXX，Income > XXX后发现满足这两个条件的公司只有不到100家，那么决策树就到此为止，直接出违约或者不违约的概率。3. 约束features的个数，等等。具体现实中使用哪种方法就要具体情况具体分析了。