logo
Loading...

請問如何判斷區分 樹狀模型與非樹狀模型? - Cupoy

在 D21 中,Label Encoding 與 One Hot Encoding 有其適用性的模型...

ml100-2,ml100-2-d22

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