Artificial intelligence 决策树。噪音控制策略

在决策树中有哪些好的抗噪声策略

在我的训练数据中

我有两个属性相同的记录，但它们的分类不同

女性，奢华，LV，是的

女，豪华，LV，无

根据我的阅读，它说返回这两个记录的多个分类

但是当我想做一个预测时，这会产生一个问题，因为我的预测的输出应该是是或不是

所以，试着找出在这种情况下我可以用什么策略来预测

---

谢谢。

当课程预测尚未确定时：

最简单（也是最常见）的方法是预测大多数人群

获取更多信息。例如，包括其他属性（如果可用）或获取更多训练样本（如果可用）

删除一些信息。其目的是尽可能多地去除噪声源，同时尽可能多地保留预测信息。通常，它是通过删除无用的属性来完成的。就树木而言，可以通过修剪来完成。最终，您可以删除异常值（如错误测量的样本），但您必须知道哪个样本是异常值

---

备选方案：1。消除这些矛盾,。添加更多用于决策的属性，即

女性、豪华、LV

，应补充额外的消歧功能，带来两个不同的选择器-一个用于

是

，一个用于

否

。3.你能负担得起一种模糊方法吗？这种方法将概率存储为决策，而不是具体的

yes

或

no

？修剪处理非类属性中的噪声，而叶子中的概率处理不明确的类。@Stan。这是一项作业，所以我不能说问题设置得有多糟糕。非常感谢。然而，即使在作业中，您也可以检测到通常应视为不一致的数据，并将其跳过决策/建议。至少，这是一种现实的方法。