如何计算决策树的泛化错误率

时间：2016-05-29 12:03:14

标签： machine-learning classification decision-tree

我正在进行数据挖掘简介的练习，并且一直坚持关于决策树的问题：

训练 Training

测试 Testing

决策树 Decision tree

这个问题要求我用乐观和悲观的方法计算泛化错误率，答案分别为0.3和0.5。 它们与我的答案0.5和0.7完全不同。根据我的计算，实例3,7,8,9,10是错误分类。 我在Google上搜索了很多文档，但是所有文档都没有解释原因，只是显示3/10 = 0.3。 请告诉我我犯了什么错误，谢谢！

3 个答案:

答案 0 :(得分：2)

我认为您的答案是正确的，解决方案手册的答案是错误的，并且您在此处复制树时发生了错误 - 在我的书副本中，叶节点标签已读取，来自从左到右，+， - ，+， - 。叶子节点+， - ， - ，+的树分别导致乐观和悲观误差估计的30％和50％。

使用叶节点+， - ，+， - ，错误确实是50％和70％。

答案 1 :(得分：1)

你的答案是对的。 它是＆＃39; +＆＃39; iff（不是A＆amp;＆amp; B）|| （A＆amp;＆amp; not C）

答案 2 :(得分：0)

你错了，错误分类是：

  • 在训练中：3,5,6
  • 在测试中：12,13,14,15

您的决策树是：

  • return + iff（不是a而不是b）或（a和c）

因此例如3：

A = 0 B = 1 C = 0 class = +，你的DT返回 - A = 0且B = 1

相关问题
最新问题