機械学習の回帰・分類手法の中でも，非専門家でも直感的にわかりやすい分類・回帰手法が決定木です。本記事では，CART(Classification and Regression Tree)と呼ばれる決定木のアルゴリズムについて解説します。
大きい画面で表示したい方はこちらからご覧ください。
pythonによるサンプルプログラムはGitHubで公開しています。
スライドの目次
- 決定木
- 分類木の問題
- 分類木の構築イメージ
- 回帰木のイメージ
- 回帰木のイメージ（1次元）
- 説明変数と閾値をどうやって選択するか？
- 分類木で扱う損失関数
- 回帰木で扱う損失関数
- 決定木のメリット・デメリット
参考文献
- A. C. Muller, S. Guido，Pythonではじめる機械学習，O’Reilly Japan (2017)
- https://scikit-learn.org/stable/modules/tree.html
質問、コメント等ございましたら、下部のコメント欄，もしくはメールやTwitterよりご連絡ください。
