标题：洛桑联邦理工学院、康奈尔大学｜Tree in Tree: from Decision Trees to Decision Graphs（树中树：从决策树到决策图）

作者：Bingzhao Zhu, Mahsa Shoaran

简介：本文提出一种决策树的改进算法。决策树应用程序由于其轻量级和可解释的决策过程在许多机器学习中被广泛用作分类器。这个论文介绍了树决策图（TnT）中的树，这是一个扩展传统决策树到更通用和更强大的有向无环图。TnT通过递归增长决策树来构建决策图内部或叶节点而不是贪婪训练。TnT的时间复杂度为与图中节点数成线性关系，可以构建决策图在大型数据集上。与决策树相比，作者表明TnT实现了更好的减少模型大小的分类性能，均作为独立分类器并作为bagging/AdaBoost集成中的基本估计器。作者提出的模型是广泛使用的决策树的新颖、更有效和准确的替代方案。

论文下载：https://arxiv.org/pdf/2110.00392v2.pdf

内容中包含的图片若涉及版权问题，请及时与我们联系删除