如何解决为什么 sparkml 随机森林分类器不支持 maxBins < 总分类值的数量?
为什么 sparkml 的随机森林分类器不支持 maxBins (M)
我对决策树箱的理解是...
统计数据分箱基本上是一种量化形式,您可以将一组具有连续值的数字映射到更小、更易于管理的“分箱”中。
https://clevertap.com/blog/numerical-vs-categorical-variables-decision-trees/
...这让您看起来在任何情况下都不会真正想使用 M > K,但文档似乎暗示情况并非如此。
对于任何分类特征,必须 >=2 且 >= 类别数
另外,当我在 H2O 中使用随机森林实现时,我可以选择使用比不同分类值总数更少的 bin。
谁能解释一下spark中这种限制的原因?用户是否需要事先完成某种特定的数据预处理/特征工程?我是否对决策树有一些误解(例如,是否真的需要将分类放在首位,并且设置仅用于数值或其他东西)?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。