C&R tree (Classification and Regression)

C&R tree (Classification and Regression): Алгоритъм за дърво на решения, който използва индекса Gini за разделяне на данните във всеки възел. Това е бърз и ефективен алгоритъм, който обикновено се използва за задачи за класификация.

Възелът на дървото за класификация и регресия (C&R) е дървовиден метод за класификация и прогнозиране. Подобно на C5.0, този метод използва рекурсивно разделяне, за да раздели записите за обучение на сегменти с подобни стойности на изходни полета. Възелът C&R Tree започва с изследване на полетата за въвеждане, за да намери най-доброто разделяне, измерено чрез намаляването на индекса на примеси, което е резултат от разделянето. Разделянето дефинира две подгрупи, всяка от които впоследствие се разделя на още две подгрупи и така нататък, докато се задейства един от критериите за спиране. Всички разделяния са двоични (само две подгрупи).

Изисквания. За да обучите C&R Tree модел, имате нужда от едно или повече полета за въвеждане и точно едно целево поле. Полетата за цел и въвеждане могат да бъдат непрекъснати (числов диапазон) или категорични. Полетата, зададени на И двете или Нито едно, се игнорират. Полетата, използвани в модела, трябва да имат напълно инстанцирани типове, а всички порядъчни (подреден набор) полета, използвани в модела, трябва да имат цифрово съхранение (не низ). Ако е необходимо, възелът за прекласифициране може да се използва за преобразуването им.

Силни страни. C&R Tree моделите са доста стабилни при наличието на проблеми като липсващи данни и голям брой полета. Те обикновено не изискват дълго време за обучение за оценка. В допълнение, C&R Tree моделите обикновено са по-лесни за разбиране от някои други типове модели - правилата, извлечени от модела, имат много ясна интерпретация.

References:

https://ncpha.government.bg/uploads/konkursi%20i%20proceduri/Avtoreferat_E.Manasiev.pdf