sparkMLlib决策树是什么
这篇文章主要讲解了“spark MLlib决策树是什么”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“spark MLlib决策树是什么”吧!
10年积累的成都网站建设、成都做网站经验,可以快速应对客户对网站的新想法和需求。提供各种问题对应的解决方案。让选择我们的客户得到更好、更有力的网络服务。我虽然不认识你,你也不认识我。但先网站设计后付款的网站建设流程,更有铜山免费网站建设让你可以放心的选择与我们合作。
1. 决策树以及它的组合模型是在机器学习中常用的分类和回归方法。决策树结果容易解释,处理分类特征,可拓展到多类。决策树是一个贪婪算法,递归的二分特征空间。决策树预测具有相同的叶子节点的属于同一类标签。每次划分的时候,都从一系列可能的划分中选择最佳的,使得根节点的信息增益最大,argmax(s): IG(D,s)。
IG(D,s)=Impurity(D) - a*Impurity(D1eft) - (1-a)*Impurity(Dright),
Impurity可以取为信息熵,在概率分布为均匀分布时取得最大值。
2. 连续空间特征分区,对于小的数据集,连续空间的特征分区都是单个值。在某些实现中,会首先对特征值进行排序,已进行更快捷的树计算。当数据量过大时,对全部的数据排序代价较高,这里的实现首先采样取一部分数据排序,排序好的数据形成一个个的区间,称为bin,可以指定maxBins参数设置最大的分区数,默认为100。
3. 离散空间特征分区,对于包含M个可能值的离散空间,可能有2^(M-1)-1个候选解。当2^(M-1)-1大于maxBins时,我们采用二划分时相同的启发术,对M个类别特征按照Impurity进行排序。结果分成M-1个划分。
感谢各位的阅读,以上就是“spark MLlib决策树是什么”的内容了,经过本文的学习后,相信大家对spark MLlib决策树是什么这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是创新互联,小编将为大家推送更多相关知识点的文章,欢迎关注!
新闻标题:sparkMLlib决策树是什么
URL地址:http://scyanting.com/article/goddgd.html