信息增益比修正：以更均衡的决策树分裂改进预测
机器学习
2018-01-26 v1
摘要
决策树算法在树的归纳过程中使用增益函数来选择最佳分裂。该函数对于获得具有高预测精度的树至关重要。某些增益函数在比较不同元数（arity）的分裂时可能存在偏差。Quinlan 在 C4.5 的信息增益函数中提出了增益比以修正此偏差。在本文中，我们提出了增益比的更新版本，其表现更优，因为它试图修正增益比对不平衡树及某些低预测价值的分裂的偏差。
引用
@article{arxiv.1801.08310,
title = {Information gain ratio correction: Improving prediction with more balanced decision tree splits},
author = {Antonin Leroux and Matthieu Boussard and Remi Dès},
journal= {arXiv preprint arXiv:1801.08310},
year = {2018}
}
备注
7 pages