tg-me.com/ds_interview_lib/808
Create:
Last Update:
Last Update:
👀 Какие три наиболее часто используемые меры для оптимального разбиения атрибутов в дереве решений
1. Энтропия: позволяет измерить степень неопределённости или «разнородности» данных.
2. Индекс Джини (Gini impurity): оценивает вероятность того, что случайно выбранный элемент будет классифицирован неправильно.
3. Ошибка классификации: простая метрика, показывающая долю неверных классификаций в узле.
Какой метод выбрать
✅ Энтропия и индекс Gini чаще используются, так как они чувствительнее к изменениям в распределении данных.
✅ Ошибка классификации проще, но менее информативна для построения дерева решений.
BY Библиотека собеса по Data Science | вопросы с собеседований
Share with your friend now:
tg-me.com/ds_interview_lib/808