請問如何判斷區分 樹狀模型與非樹狀模型?
2019/07/30 下午 08:39
機器學習共學討論版
Jeng Daw Li
觀看數:33
回答數:2
收藏數:2
ml100-2
ml100-2-d22
在 D21 中,Label Encoding 與 One Hot Encoding 有其適用性的模型類型,各為樹狀模型與非樹狀模型。請問該如何區分樹狀與非樹狀模型?
回答列表
-
2019/07/30 下午 10:30張維元 (WeiYuan)贊同數:1不贊同數:0留言數:0
-
2019/08/02 下午 01:05陳明佑 (Ming You Chen)贊同數:1不贊同數:0留言數:0
基本上, 只要原理基於決策樹的模型, 我們都稱為樹狀模型
包括教材中提到的 : 決策樹 / 隨機森林 / 梯度提升機
以及 sklearn 中較常用到的 : AdaBoost / ExtraTree
或者 C4.5 / CART 等算法
甚至較新的進階版算法 Xgboost / Lightgbm / Catboost
因為三個都是衍伸自梯度提升機, 因此也通通屬於樹狀模型
之前忘記哪邊有看到一個統計 :
Kaggle上大多數非深度學習的競賽, 核心模型大多數都是樹狀模型
因此樹狀模型, 可以說是非深度領域的主流算法
又因為樹狀模型彼此性質較為相近, 其他類型的模型性質較為不同
所以在非深度學習的領域中, 我們會將樹狀模型 與其他模型分開討論