我有一个包含 1k 条记录的数据集，我的工作是根据这些记录进行决策算法。以下是我可以分享的：
目标是一个连续值。
有些预测变量（或属性）是连续值，有些是离散的，有些是离散值的数组（可以有多个选项）
我最初的想法是分离离散值的数组并使它们成为单独的特征（预测变量）。对于预测变量中的连续值，我正在考虑随机选择一些决策边界，看看哪一个最能减少熵。然后制作决策树（或随机森林），在创建树时使用标准偏差减少。
我的问题是：我走在正确的道路上吗？有没有更好的方法来做到这一点？
问问题
1144 次
1 回答
0
我知道这可能来得有点晚，但您正在寻找的是Model Trees。模型树是决策树，其连续评分高于叶子中的分类值。通常，这些值是通过线性回归模型预测的。Quinlan 介绍的 M5 模型树是比较突出的模型树之一，也或多或少适合您的需求。Wang 和 Witten 重新实现了 M5 并扩展了它的功能，以便它可以同时处理连续和分类属性。他们的版本称为 M5'，您可以在Weka中找到一个实现。剩下的唯一事情就是处理数组。但是，您的描述在这方面有点笼统。从我收集的信息来看，您的选择要么是扁平化的，要么是按照您的建议将它们分开。
请注意，自从 Wang 和 Witten 的工作以来，已经引入了更复杂的模型树。然而，M5' 是稳健的，在其原始公式中不需要任何参数化，这使得它易于使用。
于 2014-09-16T13:55:10.450 回答