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
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
ประเภทเงื่อนไขที่พบบ่อยที่สุดคือเงื่อนไขเกณฑ์ซึ่งแสดงดังนี้
feature ≥ threshold
เช่น
num_legs ≥ 2
อาจมีเงื่อนไขประเภทอื่นๆ ต่อไปนี้คือประเภทของ เงื่อนไขไบนารี:
ตาราง 2. ประเภทของเงื่อนไขไบนารีที่พบบ่อย
ชื่อ | เงื่อนไข | ตัวอย่าง |
เงื่อนไขของเกณฑ์ | ||
เงื่อนไขความเท่าเทียม | ||
เงื่อนไขในเซ็ต | ||
เงื่อนไขเอียง | ||
ไม่มีฟีเจอร์ |