【问题标题】:classification and prediction Decision tree分类预测决策树
【发布时间】:2016-07-12 00:32:11
【问题描述】:

给定训练集D的算法计算复杂度为O(n*|D| log(|D|)),其中 n 是描述 D 和 |D| 中元组的属性数是 D 中训练元组的数量。这意味着生长一棵树的计算成本最多增长 n Dlog(|D|) 与 |D|元组。我无法专门记录(|D|)部分。 参考书数据挖掘概念和技术。第 2 版页码 296 主题-分类与预测(第6章)

【问题讨论】:

    标签: machine-learning classification decision-tree


    【解决方案1】:

    平衡树的高度最多为 O(log(n))。你的树平衡了吗?

    【讨论】:

    • 不!它实际上在构建决策树时可能不是二叉树。
    • 非二叉树也有高度 O(log n),只要它们不是一元的。
    猜你喜欢
    • 1970-01-01
    • 2013-12-21
    • 2017-04-11
    • 1970-01-01
    • 2015-12-13
    • 2020-08-11
    • 2018-06-29
    • 2013-07-11
    • 2021-07-03
    相关资源
    最近更新 更多