एक बहुत univariate निर्णय वृक्ष शिक्षार्थी कार्यान्वयन (C4.5 आदि) मौजूद हैं, लेकिन वास्तव में कोई मल्टीवेरिएट निर्णय वृक्ष शिक्षार्थी एल्गोरिदम पता है?बहुभिन्नरूपी निर्णय ट्री शिक्षार्थी
उत्तर
बेनेट और ब्लू का A Support Vector Machine Approach to Decision Trees वृक्ष में प्रत्येक निर्णय के लिए एम्बेडेड एसवीएम का उपयोग करके बहुविकल्पीय विभाजन करता है।
इसी प्रकार, Multicategory classification via discrete support vector machines (2009) में, ऑरसेनिगो और वेरसेलिस निर्णय पेड़ नोड्स में असतत समर्थन वेक्टर मशीनों (डीएसवीएम) के बहु श्रेणी के संस्करण को एम्बेड करते हैं।
ये दिलचस्प कागजात हैं जिन्हें मैं पहले नहीं जानता था! किसी भी तरह, वे इन दृष्टिकोणों के मूल्यांकन के लिए किसी भी तैयार करने के लिए लागू नहीं करते हैं। लेकिन पेपर लिंक की वजह से मैं इस प्रश्न को उत्तर के रूप में चिह्नित करता हूं! कार्यान्वयन के लिए लिंक अभी भी स्वागत है! – Sney
निर्णय पेड़ के लिए कार्ट एल्गोरिदम एक बहुविकल्पीय में बनाया जा सकता है। कार्ट एक बाइनरी विभाजन एल्गोरिदम है जो सी 4.5 के विपरीत है जो अलग-अलग मूल्यों के लिए प्रति अद्वितीय मूल्य नोड बनाता है। वे एमएआरएस के लिए वही एल्गोरिदम का उपयोग करते हैं क्योंकि गुम मूल्य भी हैं।
एक बहुविकल्पीय पेड़ बनाने के लिए आप प्रत्येक नोड पर सबसे अच्छा विभाजन गणना करते हैं, लेकिन उन सभी विभाजनों को फेंकने की बजाय जो आप सबसे अच्छे नहीं थे (शायद सभी), तो डेटा के सभी गुणों का मूल्यांकन करें ऑर्डर द्वारा भारित उस नोड पर संभावित विभाजन प्रत्येक। तो पहला विभाजन (जो अधिकतम लाभ तक पहुंचता है) 1 पर भारित होता है। फिर अगले उच्चतम लाभ विभाजन को कुछ अंश < 1.0 द्वारा भारित किया जाता है, और इसी तरह। जहां वजन कम हो जाता है क्योंकि उस विभाजन के लाभ में कमी आती है। तब उस संख्या को बाएं नोड के भीतर नोड्स की समान गणना की तुलना में तुलना की जाती है यदि यह उस संख्या से ऊपर है तो छोड़ दिया जाता है। अन्यथा सही जाओ। यह बहुत मोटा वर्णन है, लेकिन यह निर्णय पेड़ों के लिए एक बहु-संस्करण विभाजन है।
हां, ओसी 1 जैसे कुछ हैं, लेकिन वे अनियमित विभाजन करने वाले लोगों की तुलना में कम आम हैं। बहुविकल्पीय विभाजन जोड़ना खोज स्थान को काफी हद तक फैलाता है। एक समझौता के रूप में, मैंने कुछ तार्किक शिक्षार्थियों को देखा है जो केवल रैखिक भेदभाव कार्यों की गणना करते हैं और उन्हें उम्मीदवार चर सूची में जोड़ते हैं।
- 1. निर्णय ट्री लर्निंग और अशुद्धता
- 2. संख्यात्मक मान के साथ आईडी 3 निर्णय ट्री
- 3. डाटाबेस बी-ट्री/बी + ट्री
- 4. केकपीएचपी ट्री
- 5. अभिव्यक्ति ट्री
- 6. ट्री व्यू
- 7. बाइनरी ट्री
- 8. प्रकार निर्णय नेस्टेड typedef
- 9. जेवीएम डिजाइन निर्णय
- 10. निर्णय लेना और Django
- 11. नियम/निर्णय इंजन
- 12. Scikit Decistion ट्री दृश्य: त्रुटि मान
- 13. MVC भंडार पैटर्न डिजाइन निर्णय
- 14. ट्री व्यू/ट्री व्यूइटम नियंत्रण टेम्पलेट्स बिंदीदार लाइनों के साथ
- 15. बाइंडिंग एलिमेंटनाम। क्या यह विजुअल ट्री या लॉजिकल ट्री
- 16. जेएसओएन को एचटीएमएल ट्री
- 17. जेएसएफ ट्री ड्रॉपडाउन
- 18. आर * -ट्री सी कार्यान्वयन?
- 19. एलीमेंट ट्री तत्व
- 20. कार्यान्वयन बाइनरी ट्री रूबी
- 21. डब्ल्यूपीएफ: ट्री व्यू वर्चुअलाइजेशन
- 22. त्रिगुट खोजें ट्री
- 23. पायथन एलिमेंट ट्री समर्थन?
- 24. बाइनरी इंडेक्स ट्री (बीआईटी)
- 25. रिकर्सिव बाइनरी सर्च ट्री
- 26. बाइनरी ट्री ऊंचाई
- 27. जावास्क्रिप्ट ट्री ट्रैवर्सल एल्गोरिदम
- 28. एनईआरडी ट्री को
- 29. ट्री जटिलता और खोज
- 30. ट्री डेटा संरचनाएं - जावा
क्या आप अपना प्रश्न आगे समझा सकते हैं? जहां तक मैं इस शब्द को समझता हूं, सी 4.5 एक बहुविकल्पीय एल्गोरिदम है, इस अर्थ में कि यह इनपुट के रूप में मनमाने ढंग से आयाम के वैक्टर लेता है। – Stompchicken
हां, सी 4.5 इनपुट के रूप में मनमाने ढंग से आयाम के वैक्टर लेता है। लेकिन मेरा मतलब है विभाजन विभाजन के बारे में univariate/multivariate। यूनिवर्सेट स्प्लिट अक्ष-ऑर्थोगोनल और बहुविकल्पीय साधन हैं जो मनमाने ढंग से हाइपरप्लेन द्वारा विभाजित होते हैं। – Sney
यह और अधिक स्पष्ट है, लेकिन मेरे पास आपके लिए कोई जवाब नहीं है :) सबसे अच्छा मैं यह सुझाव दे सकता हूं कि रैखिक वर्गीकरण (मुझे लगता है कि बढ़ावा देने) का एक समूह एक बहुविकल्पीय निर्णय पेड़ के बराबर हो सकता है। – Stompchicken