? L’algoritmo di apprendimento albero decisionale alternata è un albero decisionale avanzato algoritmo di apprendimento che utilizza potenziamento per ottenere precisione . Questo tipo di albero decisionale è normalmente utilizzato in problemi di classificazione binaria . Aumentare

Boosting è un meta- algoritmo che utilizza molti classificatori deboli insieme per creare un forte classificatore . Per alternando alberi decisionali , aumentando aggiunge tre nodi per l’albero per ogni iterazione . Quindi , l’algoritmo determina un posto per il nodo splitter analizzando tutti i nodi di previsione creati da incrementare .

The Tree

In sostanza , l’albero decisionale alternata è un e /o grafico che è transversed per arrivare a previsioni. Per ottenere i valori di previsione , l’algoritmo prende la somma complessiva di tutti i nodi di previsione incrociate in trasversale . In altre parole , l’albero decisionale alternata può fare uso di tutte le ipotesi deboli nel dare impulso ad arrivare ad un unico , rappresentazione facilmente comprensibile .

Vantaggi

alberi decisionali alternata presentano vantaggi rispetto sia normali alberi di decisione e oltre il normale aumentando . Alternando alberi decisionali superano alberi di decisione in quanto sono aumentate le prestazioni per le previsioni a causa di potenziamento . Inoltre , alternando alberi decisionali può essere fuse insieme , qualcosa che non può essere fatto con metodi di amplificazione normali .