有谁知道决策树分类器的任何增量实现。这样当你以低计算量向训练集添加新实例时,它可以根据现有决策树分类器尽可能快地生成最佳决策树分类器?
换句话说,我有一个名为T_1的集合A的最优决策树分类器,现在我想将实例X添加到设置A 并利用T_1 和X 为集合 找到最佳决策树分类器树T_2 {A,X}.
添加实例会发生多次。因此,找到增量方法而不是每次都构建树对我来说很有值(value)。
其实我很怀疑这样的实现是否存在。如果有人能帮助我,我将不胜感激。如果有的话,我更喜欢 c++ 中的代码。
谢谢
最佳答案
关于c++ - 增量决策树 C++ 实现,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/3411279/