로지스틱 모형 트리
Logistic model tree| 시리즈의 일부 |
| 기계 학습 및 데이터 마이닝 |
|---|
 |
컴퓨터 과학에서 로지스틱 모형 트리(LMT)는 로지스틱 회귀 분석(LR)과 의사 결정 [1][2]트리 학습을 결합한 지도 교육 알고리즘과 관련된 분류 모형입니다.
로지스틱 모형 트리는 모형 트리에 대한 이전 아이디어를 기반으로 합니다. 즉, 선형 회귀 모형을 잎에 배치하여 (잎에 상수가 있는 일반적인 의사결정 트리가 부분적 상수 [1]모형을 생성합니다.)로지스틱 바리안트에서는 LogitBoost 알고리즘을 사용하여 트리의 모든 노드에서 LR 모델을 생성하고, 그 후 C4.5 기준을 사용하여 노드를 분할합니다.각 LogitBoost 호출은 상위 노드의 결과에서 웜 스타트됩니다[vague].마침내,[3] 나무는 가지치기를 한다.
기본 LMT 유도 알고리즘은 교차 검증을 사용하여 교육 데이터에 맞지 않는 LogitBoost 반복 횟수를 찾습니다.Akaike 정보 기준을 사용하여 LogitBoost [3]중지를 제어하는 더 빠른 버전이 제안되었습니다.
레퍼런스
- ^ a b Niels Landwehr, Mark Hall, and Eibe Frank (2003). Logistic model trees (PDF). ECML PKDD.
{{cite conference}}: CS1 maint: 작성자 파라미터 사용(링크) - ^ Landwehr, N.; Hall, M.; Frank, E. (2005). "Logistic Model Trees" (PDF). Machine Learning. 59: 161. doi:10.1007/s10994-005-0466-3.
- ^ a b Sumner, Marc, Eibe Frank, and Mark Hall (2005). Speeding up logistic model tree induction (PDF). PKDD. Springer. pp. 675–683.
{{cite conference}}: CS1 maint: 작성자 파라미터 사용(링크)
