CART 中的二元分类特征与平均绝对误差准则
机器学习
2025-11-12 v1 人工智能
摘要
在分类与回归树 (CART) 算法的上下文中，使用标准准则如 GINI 和 Entropy 对分类特征进行高效分割已是众所周知。然而，对于分类特征使用平均绝对误差 (MAE) 准则，传统方法依赖各种数值编码方式。本文表明，无监督数值编码方法在 MAE 意义下并不可行。此外，我们提出一种新颖且高效的分割算法，解决了在 CART 算法中处理分类特征与 MAE 意义相容的挑战。我们的发现在于现有方法的局限性，并为增强 CART 算法中分类数据的处理提供了有前景的解决方案。
引用
@article{arxiv.2511.08470,
title = {Binary Split Categorical feature with Mean Absolute Error Criteria in CART},
author = {Peng Yu and Yike Chen and Chao Xu and Albert Bifet and Jesse Read},
journal= {arXiv preprint arXiv:2511.08470},
year = {2025}
}