如何为决策树的连续特征选择拆分变量

Question

我目前正在执行决策树算法。如果我有连续的特征数据，该如何确定分裂点。我遇到了很少的资源，据说要在每两个点之间选择中间点，但是考虑到我有8000行数据，这将非常耗时。输出/功能标签具有类别数据。有什么方法可以使我更快地执行此操作

Answer 1

决策树通过计算熵和信息增益来确定最重要的特征。实际上，对于决策树而言，8000行并不是太多。但通常来说，随机森林类似于决策树。它正在作为合奏。您可以查看并尝试。此外，也许慢慢地与另一件事有关。