Esta unidade se concentra em diferentes tipos de condições usadas para construir decisões árvores.
Condições de alinhamento ao eixo x oblíquo
Uma condição alinhada ao eixo envolve apenas um único atributo. Uma oblíqua condição envolve vários atributos. Por exemplo, o código a seguir condição alinhada ao eixo:
num_legs ≥ 2
No entanto, esta é uma condição oblíqua:
num_legs ≥ num_fingers
Muitas vezes, as árvores de decisão são treinadas apenas com condições alinhadas ao eixo. No entanto, divisões oblíquas são mais poderosas porque podem expressar ações desenhos. Em alguns casos, divisões oblíquas produzem melhores resultados, mas às custas custos maiores de treinamento e inferência.
split_axis="SPARSE_OBLIQUE".
Figura 4. Exemplos de uma condição de alinhamento ao eixo e uma condição oblíqua. .
Representar graficamente as duas condições anteriores produz este espaço de atributos separação:
Figura 5. Separação do espaço de atributos para as condições na Figura 4. .
Condições binárias vs. não binárias
Condições com dois resultados possíveis (por exemplo, verdadeiro ou falso) são chamadas condições binárias. As árvores de decisão que contêm apenas condições binárias são chamadas árvores de decisão binárias.
As condições não binárias têm mais de dois resultados possíveis. Portanto, condições não binárias têm mais poder discriminativo do que as condições binárias. Decisões que contêm uma ou mais condições não binárias são chamadas de decisão não binária árvores.
Figura 6: árvores de decisão binárias versus não binárias.
Condições com excesso de energia também têm mais chances de overfitting. Por isso, florestas de decisão geralmente usam árvores de decisão binárias, então este curso vai se concentrar nelas.
O tipo mais comum de condição é a condição de limite expressa como:
feature ≥ threshold
Exemplo:
num_legs ≥ 2
Existem outros tipos de condições. Veja a seguir outros tipos de condições binárias:
Tabela 2. Tipos comuns de condições binárias. .
| Nome | Condição | Exemplo |
| condição de limite | $\mathrm{feature}_i \geq \mathrm{threshold}$ | $\mathrm{num\_legs} \geq 2$ |
| condição de igualdade | $\mathrm{feature}_i = \mathrm{value}$ | $\mathrm{species} = ``gato"$ |
| condição inserida | $\mathrm{feature}_i \in \mathrm{collection}$ | $\mathrm{species} \in \{``cat", ``dog", ``bird"\}$ |
| condição oblíqua | $\sum_{i} \mathrm{weight}_i \mathrm{feature}_i \geq \mathrm{threshold}$ | US$ 5 \ \mathrm{num\_legs} + 2 \ \mathrm{num\_eyes} \geq 10$ |
| recurso ausente | $\mathrm{feature}_i \mathrm{is} \mathrm{Ausente}$ | $\mathrm{num\_legs} \mathrm{é} \mathrm{Ausente}$ |