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

  樹狀：https://scikit-learn.org/stable/modules/classes.html#module-sklearn.tree

  其他大部分應該是非樹狀？

• 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