machine-learning - 已经有了带有二元类的决策树模型,当我测试新实例时如何获得概率?

标签 machine-learning decision-tree

我为二元分类问题构建了一个决策树模型。困扰我的是,当我有一个新的测试实例时,我怎样才能得到它所属的概率或分数。(不是具体的分类结果)

最佳答案

一种简单的方法是使用附加到叶子的频率,但这种频率论方法会遇到与数据量相关的问题,因此您可以平滑 various ways 中的这些估计。 .

此外,请查看 this question关于C4.5。

关于machine-learning - 已经有了带有二元类的决策树模型,当我测试新实例时如何获得概率?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18015636/

相关文章:

machine-learning - CART 算法 - 为什么对分类变量进行 2^m-1 -1 分割?

machine-learning - 使用占位符作为 tensorflow 变量(出现错误!)

matlab - 查找矩阵中特定值的索引

machine-learning - XGBoost - n_estimators = 1 等于单树分类器?

machine-learning - 为什么我会得到负信息增益?

python - 将 TF2.0 中的 feed_dict 替换为函数中张量的张量输入

tensorflow - 使用 Keras 分段输入

r - 使用 rpart 在回归树中搜索对应的节点

algorithm - 给定一组规则生成决策树

r - 如何在 R 中为 C5.0 包设置成本矩阵?