决策树--回归--分类的疑问

对于决策树而言,回归是用样本均值做预测、分类是以最多类别做预测。不太理解。
 
决策树的训练过程--也就是要学出来一个对特征如何排序的决策树,并使得训练样本在通过该决策树上的各个节点直到最后--最大可能落入各自所属区域吗?
那每个节点的阈值也是被学习出来的吗?这些阈值是不是节点上所有当前训练样本的平均值?
所以预测的时候,直接将预测样本跟这些阈值直接比对就可以了?
那初始化权重是什么?
 
分类时的预测详细流程也不太清楚,以最多类别做预测是什么意思?请指点一下哈
多谢

邹博 - 计算机科学博士,深谙机器学习算法原理

赞同来自: 王五 yunbao

这应该是《机器学习》升级版课程中的问题。 其实,决策树中的阈值也是学出来的,但不一定是训练样本的均值。同时,预测的时候,直接使用决策树不断的从根到叶子即可。决策树的训练和预测速度都很快,不需要初始化权重。

要回复问题请先登录注册