デシジョン ツリー プルーニングとは

機械学習および検索アルゴリズムにおけるプルーニングは、ツリーのセクションを削除することでデシジョン ツリーのサイズを最小化するデータ圧縮アプローチです。 インスタンスを分類するには非クリティカルかつ冗長です。 これにより、ツリーに保存する必要があるデータの量が削減されます。 枝刈りを使用することで過剰適合が減少し、最終的な分類器が単純化されるため、予測精度が向上します。

メリット

(I) 次のトピックに関する洞察と検証:

第 1 章: デシジョン ツリーの枝刈り

第 2 章: デシジョン ツリーの学習

第 3 章: データ圧縮

第 4 章: アルファ?ベータ プルーニング

第 5 章: Null-Move ヒューリスティック

第 6 章: ホライズン効果

第 7 章: 最小記述長

第 8 章: ベイジアン ネットワーク

第 9 章: アンサンブル学習

第 10 章: 人工ニューラル ネットワーク

(II) デシジョン ツリー プルーニングに関する一般のよくある質問に答える。

(III) 多くの分野でのデシジョン ツリー プルーニングの使用例の実例。

(IV) 17 の付録では、デシジョン ツリー プルーニング テクノロジを 360 度完全に理解できるよう、各業界の 266 の新興テクノロジを簡潔に説明しています。

本書の対象者

専門家、学部生、大学院生、愛好家、愛好家、およびあらゆる種類のデシジョン ツリー枝刈りに関して基本的な知識や情報を超えたいと考えている人。