artificial-intelligence - デシジョンネットワーク/ディシジョンフォレストは入力間の関係を考慮に入れていますか

Question

私はニューラルネットワーク、特に逆伝播の性質を扱った経験があり、トレーナーに渡される入力のうち、入力間の依存関係は、隠れ層が導入されたときに得られるモデル知識の一部であることを知っています。

意思決定ネットワークについても同じことが言えますか？

これらのアルゴリズム（ID3）などに関する情報を見つけるのはやや難しいことがわかりました。実際のアルゴリズムを見つけることはできましたが、期待される/最適なデータセット形式やその他の概要などの情報はまれです。

ありがとう。

Answer 1

デシジョン ツリーに必要なのはデータのテーブルと、そのデータのどの列からどの特徴 (または列) を予測するかだけであるため、デシジョン ツリーは実際には非常に簡単にデータを提供できます。そのデータは、任意の機能について離散的または連続的である可能性があります。現在、連続値と離散値のサポートが異なる複数のフレーバーのディシジョン ツリーがあります。また、それぞれの働きが異なるため、それぞれがどのように機能するかを理解するのは難しい場合があります。

複雑さやパフォーマンスを比較したさまざまな決定木アルゴリズム

興味のあるアルゴリズムの種類によっては、実際の論文を読まないと情報を見つけるのが難しい場合があります。私は CART アルゴリズムを実装しましたが、そのための唯一のオプションは、それに関する元の 200 ページの本を見つけることでした。他の治療法のほとんどは、分割などのアイデアを十分に詳細に説明するだけで、他の側面については高レベル以上に議論することはありません.

物事間の依存関係を考慮に入れているかどうかについて。各入力機能と予測機能の間の依存関係のみを想定していると思います。入力が予測機能から独立していた場合、それを分割基準として使用できませんでした。しかし、他の入力機能の間では、それらは互いに独立していなければならないと私は信じています。それが本当かどうかを確認するために本をチェックする必要がありますが、頭のてっぺんからそれは本当だと思います。