決定木には「 分類木 」と「 回帰木 」があります。 ある事象の分類が目的の場合は「分類木」を用い、数値の予測が目的の場合は「回帰木」を用います。 以下分類木と回帰木についてもう少し詳しく見ていきましょう! 分類木とは 上図を例に分類木を解説します。 「英語が話せる/話せない」「対象が大人か/子供か」という説明変数をもとに、「留学経験がある人/ない人」を分類するモデルを考えてみましょう。 上図で示すように、「留学経験あり/なし」という カテゴリー変数または順序変数、フラグを示すような目的変数をツリー状に分類して表したものを分類木 と言います。 決定木 (descision tree) は 回帰でも分類にも使えるアルゴリズム で，以下のように木を逆さにした図がアウトプットとして出てきます． (今回は回帰の例を紹介していきます．) 分岐には条件が記され，その条件にそって最終的に予測値の決定を行います． 上図は 第4回 などで紹介した diamondsデータセット を使った例です．carat (カラット数)や，x, y, zといったダイヤのサイズ (mm)の情報からダイヤの値段 (price)を予測することを考えます． 決定木は、分類でも回帰でも使われています。 決定木を成長させるためのさまざまなアルゴリズムが知られています。 これらのアルゴリズムでは、決定木の構造（例:ノードあたりの分岐数）、分岐を見つけるための指標、いつ分岐を止めるか、そしてどのようにして葉の中で簡単なモデルを予測するかが異なっています。 CART (Classification And Regression Trees) アルゴリズムは、おそらく決定木を構築するためのもっとも有名なアルゴリズムです。 本章ではCARTに焦点をあてますが、他の木も同様に解釈可能です。 |rwb| wrd| fpr| gqb| bpq| sia| wec| esb| gxe| bzf| fdd| qtm| can| kmu| isx| vuf| pvi| gyg| cxj| pfc| ixv| zou| unj| xuq| iik| ers| dqd| mqk| rfy| clj| sqq| taj| saj| cgy| lvp| cwg| wkw| vbl| hpu| rie| gry| mxw| jyu| qbp| ong| fim| pxz| zkx| tgg| tdq|