简单描述
在cart回归树的生成过程中，我们需要对输入空间进行划分，使用启发式的方法：选择第
j
j
j个变量
x
j
x^j
xj和它的取回
s
s
s，作为切分变量和切分点，并定义两个区域：
R
1
(
j
,
s
)
=
{
x
∣
x
j
≤
s
}
R_1(j,s)=\{x|x^j\le s\}
R1(j,s)={x∣xj≤s}和
R
2
(
j
,
s
)
=
{
x
∣
x
j
>
s
}
R_2(j,s)=\{x|x^j>s\}
R2(j,s)={x∣xj>s}这里主要解释
j
j
j和
s
s
s；对于给定的训练数据
D
=
{
(
x
1
,
y
1
)
,
(
x
2
,
y
2
)
,
.
.
.
,
(
x
N
,
y
N
)
}
D=\{(x_1,y_1),(x_2,y_2),... ,(x_N,y_N)\}
D={(x1,y1),(x2,y2),...,(xN,yN)}我们会依次选择
x
1
x_1
x1到
x
N
x_N
xN作为切分变量，但我们的关注点并不在
x
k
x_k
xk上，而是在它的取值
s
s
s上，
s
s
s作为切分点，是用来切分
x
x
x的。选定一个
x
k
x_k
xk就对应一个
s
s
s我们讲所有的变量
x
k
x_k
xk通过和此时的
s
s
s作比较，划分为两部分。当然每一次我们需要遍历所有的
(
j
,
s
)
(j,s)
(j,s)根据损失函数找到损失函数最小时对应的
(
j
,
s
)
(j,s)
(j,s)；然后不断迭代。
Processed:
0.015, SQL:
8
