Machine learning 已经有了一个带有二元类的决策树模型,当我测试一个新实例时,如何获得概率?
我为一个二元分类问题构造了一个决策树模型。困扰我的是,当我有一个新的测试实例时,我如何才能得到它所属的概率或分数。(不是具体的分类结果)一个简单的方法可以是使用附在叶子上的频率,但这种频率方法存在与数据量相关的问题,因此您可以平滑这些估计Machine learning 已经有了一个带有二元类的决策树模型,当我测试一个新实例时,如何获得概率?,machine-learning,decision-tree,Machine Learning,Decision Tree,我为一个二元分类问题构造了一个决策树模型。困扰我的是,当我有一个新的测试实例时,我如何才能得到它所属的概率或分数。(不是具体的分类结果)一个简单的方法可以是使用附在叶子上的频率,但这种频率方法存在与数据量相关的问题,因此您可以平滑这些估计 另外,请看一下C4.5。一种简单的方法是使用附在叶子上的频率,但这种频率法存在与数据量相关的问题,因此您可以在中平滑这些估计 另外,看看C4.5
另外,请看一下C4.5。一种简单的方法是使用附在叶子上的频率,但这种频率法存在与数据量相关的问题,因此您可以在中平滑这些估计 另外,看看C4.5