假设我想使用 CART 作为分类树（我想要一个分类响应）。我有训练集，并使用观察标签对其进行拆分。
现在，要构建决策树（分类树），如何选择特征来决定哪个标签适用于测试观察？
假设我们正在研究基因表达矩阵，其中每个元素都是一个实数，是否使用类之间更远的特征来完成？
如何为 CART 中的决策树选择特征？
数据挖掘
分类
2021-09-21 13:55:31
1个回答
在每个分割点，CART 将选择“最佳”分割观察的特征。什么是最好的，但通常会进行拆分，以便后续节点相对于目标更加同质/纯。有不同的方法来衡量同质性，例如基尼、熵、卡方。如果您使用的是软件，它可能允许您选择树算法将使用的同质性度量。
距离不是树木的一个因素 - 重要的是该值是否大于或小于分割点，而不是与分割点的距离。