
決定木の枝刈り - 基礎と応用
Fouad Sabry
Translator Kei Imano
Publisher: 10億人の知識があります [Japanese]
Summary
デシジョン ツリー プルーニングとは 機械学習および検索アルゴリズムにおけるプルーニングは、ツリーのセクションを削除することでデシジョン ツリーのサイズを最小化するデータ圧縮アプローチです。 インスタンスを分類するには非クリティカルかつ冗長です。 これにより、ツリーに保存する必要があるデータの量が削減されます。 枝刈りを使用することで過剰適合が減少し、最終的な分類器が単純化されるため、予測精度が向上します。 メリット (I) 次のトピックに関する洞察と検証: 第 1 章: デシジョン ツリーの枝刈り 第 2 章: デシジョン ツリーの学習 第 3 章: データ圧縮 第 4 章: アルファ?ベータ プルーニング 第 5 章: Null-Move ヒューリスティック 第 6 章: ホライズン効果 第 7 章: 最小記述長 第 8 章: ベイジアン ネットワーク 第 9 章: アンサンブル学習 第 10 章: 人工ニューラル ネットワーク (II) デシジョン ツリー プルーニングに関する一般のよくある質問に答える。 (III) 多くの分野でのデシジョン ツリー プルーニングの使用例の実例。 (IV) 17 の付録では、デシジョン ツリー プルーニング テクノロジを 360 度完全に理解できるよう、各業界の 266 の新興テクノロジを簡潔に説明しています。 本書の対象者 専門家、学部生、大学院生、愛好家、愛好家、およびあらゆる種類のデシジョン ツリー枝刈りに関して基本的な知識や情報を超えたいと考えている人。