给定一维随机数集，我们只需遍历该集，然后将数据下推到树中。在一个维度上，这非常简单。我们可以简单地比较数据的值，并决定数据将沿着树传播到哪里。
然而，对于更高的维度，距离开始变得模糊，并且更难以决定哪些数据应该在树的哪个位置。
事实上，如果我们要设计一个包含一组高维向量的层次树（例如，128 维 SIFT 特征），我们如何决定每个 n 维向量中的哪个应该去哪个子树等等？我们做的一些事情是什么？
问问题
154 次
1 回答
1
随机树
随机树是用于分类或聚类的常用技术。
以下是您决定如何拆分树的每个节点的方法：
- 从 128 个 SIFT 维度中选择一个随机的 k（小的东西，比如 5）。
- 确定这 k 个维度中的哪个维度提供了数据的最佳拆分。
因此，每个节点都需要存储：
- 使用的维度
- 应用于该维度的决策阈值
叶子将存储：
- 类别预测，或有关最终到达该叶节点的数据点的一些统计信息。
于 2012-12-18T07:01:52.553 回答