标签：io ar sp strong on 数据 art bs as
统计学习方法第五章
决策树的剪枝
决策树的剪枝方法是用极小化损失函数来计算的
对于此题的解释是C（T)是模型对于训练数据的预测误差，|T|表示模型的复杂程度（在前面讲树T的叶节点的个数为|T|）
是先决定呢还是模型先决定呢？由下面的话
可知先决定，是自己输入的，（由下面的算法可以知道）他的值的大小是怎样确定的呢？值的不同是会影响算法的预测正确率的，有没有专门的算法对其进行分析呢由哪些因素决定呢
CART算法（分类与回归树 classification and regression tree）
CART决策树是二叉树，是给定P(Y|X)的学习方法
什么是启发式方法
最小二乘回归树（最小二乘是指的是使得误差的平方之和达到最小值称为最小二乘）在CATR中承担的是什么作用呢
其中x是输入变量，y是输出变量，是连续变量，相当于将连续输出的变量转化为离散值，这样的目的是什么呢？
S称为切分点
相当于内层循环找对于每个j的最佳的切分点s，然后外层循环根据最小二乘找到最小的二乘的j
分类树的生成用基尼指数选择最优特征（基尼指数是什么？都用作什么用途）
对于单个一个点
那对于一个集合呢
为什么基尼指数表示的是不确定性呢
标签：io ar sp strong on 数据 art bs as
原文地址：http://www.cnblogs.com/huicpc0212/p/4148529.html
