如何解决分类错误率决策可以小于0吗?什么时候会正好是 0?
例如:Root = [40,80] Left Node = [28,42] and Right Node = [30,20] 使用分类率,我得到
40/120 - ((28+42)/120 * 28/(28+42) + (30+20)/120 * 20/(30+20)) = -0.06666667 我计算的对吗?是否有一般规则说分类误差将为 0?谢谢!
解决方法
对于决策树,选择 Gini
或 Entropy
的标准。此标准将帮助您定义哪个功能最能帮助您“分离”类。我建议检查这些概念。
我不确定您指的“分类率”是什么,以及您如何计算它。 在这个例子中,你暴露了,在左边的节点上,你将所有的样本归类为第 2 类。所以你错过了对第 1 类的 28 个样本的分类。
如果叶节点(最终节点)对类进行了完美分类(所有样本确实是一个独特的类),那么您将有 0 个错误。请注意,我建议您使用数据训练来训练模型,并使用新的测试数据检查准确性。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。