Decision Tree (Multiway)

詳細

デシジョンツリー（Multiway）演算子は、ネストされた演算子です。つまり、サブプロセスがあります。サブプロセスには、ツリー学習器、つまりExampleSetを予期し、ツリーモデルを生成する演算子が必要です。この演算子を適用するには、サブプロセスの基本的な理解が必要です。サブプロセスの基本的な理解については、サブプロセス演算子のドキュメントをご覧ください。

カテゴリ属性のみを持っている場合、C4.5のようなアルゴリズムを使用して多元決定ツリーを取得できますが、データセットに連続属性が含まれている場合は通常バイナリツリーを取得します。数値属性にバイナリ分割を使用することは、関連する属性がツリーのルートからリーフまでのパスに複数回出現できることを意味します。デシジョンツリーを一連のルールに変換する際にこれらの繰り返しを簡略化できますが、構築されたツリーをより緑豊かにし、不必要に深く、人間の専門家にとって理解しにくくします。連続属性の非バイナリ分割により、ツリーが理解しやすくなり、一部のドメインではより正確なツリーにつながるように見えます。

ツリーとしてのデータの表現は、意味があり解釈しやすいという他のアプローチと比較して利点があります。目標は、ExampleSetのいくつかの入力属性に基づいてラベルの値を予測する分類モデルを作成することです。 treeの各内部ノードは、入力属性の1つに対応しています。内部ノードのエッジの数は、対応する入力属性の可能な値の数に等しくなります。各リーフノードは、ルートからリーフへのパスで表される入力属性の値が与えられると、ラベルの値を表します。この説明は、ディシジョンツリーオペレーターのプロセス例を調べることで簡単に理解できます。