ประเภทเงื่อนไข

หน่วยนี้มุ่งเน้นที่เงื่อนไขประเภทต่างๆ ที่ใช้ในการสร้างการตัดสินใจ ต้นไม้

เงื่อนไขตามแกนกับแนวเอียง

เงื่อนไขตามแกน เงื่อนไข จะเกี่ยวข้องกับฟีเจอร์เดียวเท่านั้น ไอคอนเอียง สภาพสินค้าเกี่ยวข้องกับหลายฟีเจอร์ ตัวอย่างเช่น ต่อไปนี้คือ เงื่อนไขตามแกน:

num_legs ≥ 2

แม้ว่าเงื่อนไขต่อไปนี้จะเป็นแบบเอียง:

num_legs ≥ num_fingers

ส่วนใหญ่แล้ว แผนผังการตัดสินใจจะได้รับการฝึกด้วยเงื่อนไขที่สอดคล้องกับแกนเท่านั้น อย่างไรก็ตาม การแยกแบบเฉียงจะมีประสิทธิภาพมากกว่าเพราะสามารถแสดงแบบซับซ้อนกว่า รูปแบบ บางครั้งการแยกแบบเอียงก็ให้ผลลัพธ์ที่ดีกว่า โดยมีค่าใช้จ่าย ของต้นทุนการอบรมและการอนุมานที่สูงขึ้น

รหัส YDF

ใน YDF แผนผังการตัดสินใจจะได้รับการฝึกด้วยเงื่อนไขที่สอดคล้องกับแกนโดยค่าเริ่มต้น คุณสามารถเปิดใช้ต้นไม้เอียงการตัดสินใจด้วย พารามิเตอร์ split_axis="SPARSE_OBLIQUE"

รูปที่ 4 ตัวอย่างของเงื่อนไขที่จัดแนวแกนและเงื่อนไขแบบเอียง

 

การสร้างกราฟของเงื่อนไข 2 ข้อข้างต้นช่วยให้เห็นพื้นที่ของฟีเจอร์ต่อไปนี้ การแยก:

รูปที่ 5 การแยกพื้นที่ฟีเจอร์สำหรับเงื่อนไขในรูปที่ 4

 

เงื่อนไขไบนารีกับนอนไบนารี

เงื่อนไขที่มีผลลัพธ์ที่เป็นไปได้ 2 อย่าง (เช่น จริงหรือเท็จ) จะเรียกว่า เงื่อนไขไบนารี แผนผังการตัดสินใจที่มีเฉพาะเงื่อนไขไบนารีคือ ที่เรียกว่าต้นไม้การตัดสินใจแบบไบนารี

ภาวะนอนไบนารีมีผลลัพธ์ที่เป็นไปได้มากกว่า 2 รายการ ดังนั้น เงื่อนไขนอนไบนารีมีกำลังในการเลือกปฏิบัติมากกว่าเงื่อนไขไบนารี การตัดสินใจที่มีเงื่อนไขที่ไม่ใช่ไบนารีอย่างน้อย 1 รายการเรียกว่า การตัดสินใจที่ไม่ใช่ทั้งไบนารี ต้นไม้

รูปที่ 6: ต้นไม้การตัดสินใจแบบไบนารีเทียบกับนอนไบนารี

 

เงื่อนไขที่มีมากเกินไป และมีแนวโน้มที่จะมีไฟมากเกินไปด้วย ด้วยเหตุนี้ ป่าแห่งการตัดสินใจ โดยทั่วไปจะใช้แผนผังการตัดสินใจแบบเลขฐานสอง ดังนั้น หลักสูตรนี้จะเน้นที่องค์ประกอบเหล่านี้

หมายเหตุ: ระบบจำลองเงื่อนไขที่ไม่ใช่ไบนารีได้ด้วยเงื่อนไขไบนารีหลายรายการ ดังนั้น ต้นไม้ไบนารีมีประสิทธิภาพน้อยกว่าต้นไม้แบบไบนารี

ประเภทเงื่อนไขที่พบบ่อยที่สุดคือเงื่อนไขเกณฑ์ซึ่งแสดงดังนี้

feature ≥ threshold

เช่น

num_legs ≥ 2

อาจมีเงื่อนไขประเภทอื่นๆ ต่อไปนี้คือประเภทของ เงื่อนไขไบนารี:

 

ตาราง 2. ประเภทของเงื่อนไขไบนารีที่พบบ่อย

ชื่อ	เงื่อนไข	ตัวอย่าง
เงื่อนไขของเกณฑ์	$\mathrm{feature}_i \geq \mathrm{threshold}$	$\mathrm{num\_legs} \geq 2$
เงื่อนไขความเท่าเทียม	$\mathrm{feature}_i = \mathrm{value}$	$\mathrm{species} = ``cat"$
เงื่อนไขในเซ็ต	$\mathrm{feature}_i \in \mathrm{collection}$	$\mathrm{species} \in \{``cat", ``dog", ``bird"\}$
เงื่อนไขเอียง	$\sum_{i} \mathrm{weight}_i \mathrm{feature}_i \geq \mathrm{threshold}$	$5 \ \mathrm{num\_legs} + 2 \ \mathrm{num\_eyes} \geq 10$
ไม่มีฟีเจอร์	$\mathrm{feature}_i \mathrm{is} \mathrm{Missing}$	$\mathrm{num\_legs} \mathrm{is} \mathrm{Missing}$