迴歸樹(Regression Trees)模型的優缺點
# 迴歸樹(Regression Trees)模型的優缺點 #
I.決策樹(Decision Tree)
優點
訓練速度和預測速度較快;
善於獲取資料集中的非線性關係;
瞭解資料集中的特徵互動;
善於處理資料集中出現的異常值;
善於在資料集中找到最重要的特徵;
不需要特徵縮放;
結果可解釋,並易於說明;
缺點
預測精確度較低;
需要一些引數的調整;
不適用於小型資料集;
分離訊號和噪聲的效果不理想;
當新增資料時,不易更新模型;
在實踐中很少使用,而是更多地使用集合樹;
可能會出現過度擬合(見下面的融合模型);
II.融合模型(RandomForest,XGBoost, CatBoost, LightGBM)
優點
多重樹結構整理預測;
具有較高的預測精確度,在實踐中表現很好;
是Kaggle競賽中推薦的演算法;
善於處理資料集中出現的異常值;
善於在資料集中獲取非線性關係;
善於在資料集中找到最重要的特徵;
能夠分離訊號和噪聲;
不需要特徵縮放;
特別適用於高維度的資料;
缺點
訓練速度較慢;
具有較高的預測速度;
結果不易解釋或說明;
當新增資料時,不易更新模型;
需要調整引數,但調整較為複雜;
不適用於小型資料集;
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69946223/viewspace-2676823/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 線性迴歸(Linear Regression)演算法優缺點演算法
- MySQL MHA工具的優缺點歸納MySql
- 統計學 迴歸分析( Regression Analysis)
- MHA工具的優缺點歸納總結
- 《Spark機器學習》筆記——Spark迴歸模型(最小二乘迴歸、決策樹迴歸,模型效能評估、目標變數變換、引數調優)Spark機器學習筆記模型變數
- 通俗理解線性迴歸(Linear Regression)
- 機器學習-樹迴歸機器學習
- pt-osc工具的優缺點歸納總結
- 邏輯迴歸(Logistic Regression)原理及推導邏輯迴歸
- 機器學習-----線性迴歸淺談(Linear Regression)機器學習
- Spark2 Linear Regression線性迴歸Spark
- 迴歸、分類與聚類:三大方向剖解機器學習演算法的優缺點聚類機器學習演算法
- 機器學習——多元線性迴歸分析(multiple regression)及應用機器學習
- Docker的優缺點Docker
- PRML 迴歸的線性模型模型
- Solr與Elasticsearch的優缺點比較總結和歸納SolrElasticsearch
- 常見物聯網模型優缺點簡介模型
- 決策樹、邏輯迴歸、線性迴歸使用時注意事項以及模型過擬合策略邏輯迴歸模型
- RabbitMQ優缺點MQ
- 多元線性迴歸模型模型
- MySQL索引的優缺點MySql索引
- 5種常用的機器學習模型及其優缺點,都在這裡了機器學習模型
- 一文掌握5種常用的機器學習模型及其優缺點機器學習模型
- 【深度學習基礎-13】非線性迴歸 logistic regression深度學習
- 節點快取的優缺點快取
- MyBatis的優缺點以及特點MyBatis
- 迴歸問題知識樹
- 迴歸模型-評估指標模型指標
- kafka的優缺點都有那些Kafka
- 關於 Cookie的優缺點Cookie
- Serverless架構的優缺點Server架構
- 使用css框架的優缺點CSS框架
- 淺談Ajax的優缺點
- mysql和Oracle的特點,優缺點MySqlOracle
- 遞迴與迭代的聯絡以及優缺點(以c++為例)遞迴C++
- 從線性模型到決策樹再到深度學習的分位數迴歸模型深度學習
- HTTPS 優點與缺點HTTP
- [Step By Step]SAP HANA PAL多項式迴歸預測分析Polynomial Regression程式設計例項POLYNOMIALREGRESSION(模型)...程式設計模型