嗨大家好 小弟最近读到有关随机森林的文章 觉得内容很有意思 所以上google搜寻了一些资料 认知到他是很多颗透过boostrap後sub-sample的决策树所组成 但是每颗决策树的组成方式似乎跟传统上单一颗的选择法不同？ 传统决策树是以熵为第一中间节点筛选条件 尔後根据资讯所得(IG)来作为後续节点的判断 但随机森林里 决策树的中间节点似乎也是以随机抽取的方式决定？ 若一个解释变数有很多类别 其决策树的判断方式是以随机抽一个类别作为判断 还是抽很多个类别来判断？ 或是其实和一般决策树一样 会以IG作为判断标准？ 或者有板大能提供比较详细的资料 谢谢~ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.113.136.219 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Statistics/M.1437909621.A.1E3.html