情報利得
情報利得とは、決定木などの機械学習アルゴリズムにおいて、データ分割によってどれだけ不確実性が減少したかを示す指標です。特徴量選定や分類精度の向上に広く用いられます。
決定木のAI用語一覧
3件決定木に関するAI用語を3件掲載しています。意味や使い方、関連用語を一覧から確認できます。
決定木に関するAI用語を3件掲載しています。意味や使い方、関連用語を一覧から確認できます。
情報利得とは、決定木などの機械学習アルゴリズムにおいて、データ分割によってどれだけ不確実性が減少したかを示す指標です。特徴量選定や分類精度の向上に広く用いられます。
ランダムフォレストは、複数の決定木を組み合わせることで高い予測精度と安定性を実現する機械学習アルゴリズムです。過学習を起こしにくく、分類や回帰の問題で広く活用されています。
CARTアルゴリズムは分類木と回帰木を構築するための機械学習手法です。データを不純度が最小化されるように二分探索で繰り返し分割し、解釈性の高い予測モデルを作成します。ランダムフォレストなどのアンサンブル学習の基礎としても広く使われています。