> ML_ALGORITHM // DECISION-TREES_v1.0
CART Karar Ağaçları
Özellik uzayını özyinelemeli olarak eksen hizalı bölgelere bölen parametrik olmayan gözetimli algoritma.
Tree & Rule Ensemblesclassical-supervisedhigh-intrinsicsmall (<1k)
Tüm Algoritmalara DönHesaplama Karmaşıklığı
Eğitim (Training):O(p * n log n)
Çıkarım (Inference):O(tree_depth)
Donanım Karakteristiği
CPU Uygunluğu:Evet
GPU Zorunluluğu:Hayır
Bellek Ayak İzi:low
Açıklanabilirlik ve Veri
Açıklanabilirlik Düzeyi:high-intrinsic
Eğitim Verisi İhtiyacı:small (<1k)
Açıklanabilirlik Değerlendirmesi
İnsan tarafından yürütülebilir EĞER-İSE mantık ağaçları olarak görselleştirilebilir.
Uygun Görevler ve Desteklenen Modaliteler
Uygun Görevler:
binary classificationmulticlass classificationregression
Desteklenen Modaliteler:
tabular
Uygulayıcı Kütüphaneler
Temel Literatür & Yayınlar
Classification and Regression Trees (CART)Leo Breiman, Jerome H. Friedman (1984) · Wadsworth & Brooks/Cole Advanced Books & Software
Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler
- Kısıtlanmamış derinliğin şiddetli ezberlemeye yol açması
- Küçük veri değişimlerinin ağaç yapısını tamamen değiştirdiği yüksek varyans