第10章－基于树的方法(2)-树的剪枝
发布时间：2021-03-14 06:29:10 所属栏目：大数据 来源：网络整理
导读：10.8 通过剪枝得到最优规模的树 之前我们讨论的都是如何生成树，接下来我们要讲解的是如何进行剪枝。 我们令一个树 T 的误分类误差的期望为 R ? ( T ) . 回想一下，我们是用再代入误差估计，估计的 R ? ( T ) ，即 R ( T ) = ∑ t ∈ T ′ R ( t ) = ∑ t ∈
|
opt 存储着最优复杂度参数。然后根据我们选取的这个参数值可以进行剪枝，做法很简单：根据prune函数进行剪枝，该函数把原始为剪枝的树作为第一个参数，把选取的最优复杂度参数作为第二个参数。 model.ptree <- prune(model.tree,cp = opt) 剪枝后的树如下：
可以用summary() 函数，以获取剪枝后的树的更多信息 （编辑：91站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
