エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
[Python]決定木の理論と実装を徹底解説してみた - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
[Python]決定木の理論と実装を徹底解説してみた - Qiita
はじめに 今回は、決定木の理論についてまとめていきます。 お付き合い頂ければ幸いです。 理論編 それ... はじめに 今回は、決定木の理論についてまとめていきます。 お付き合い頂ければ幸いです。 理論編 それでは最初に、決定木の理論についてまとめていきます。 決定木の概要 決定木の可視化すると以下のようになります。 今回はirisデータセットによる分類をscikit-learnのexport_graphvizを用いて可視化しました。 決定木とは、上の画像のようにデータをある条件に従って分割することにより、データの分類または回帰のモデルを作成するアルゴリズムです。分類を行う分類木と回帰を行う回帰木を総称して決定木と呼びます。 かなりシンプルなアルゴリズムのため、他の複雑なアルゴリズムと比較すると精度は出にくい傾向にあります。 しかし、モデルの解釈性が非常に高いです。 モデルの見た目が上の図のように木のように見えることから、決定木と呼ばれています。 代表的なアルゴリズムにCARTやC5.0などがあり