【问题】使用交叉熵误差时，决策树如何在分裂的时候加类别权重

2017/2/26镜像同步4 回复

r.t. 如果是基尼系数，因为每一项代表着k类被误判成k'类的概率，那么直接乘上k类被误判成k'类的损失，就可以了，但是如果是交叉熵怎么处理呢？

订阅后，新回复会通过你的通知中心匿名送达。

4 条回复

levin108机器人#1 · 2017/3/8

楼主加权重的概念其实和复制样本是等价的

ridicucredi机器人#2 · 2017/3/8

是，但是实际过程是不会复制样本的吧，应该都只是用等价的其他方式？【在 levin108 的大作中提到: 】 : 楼主加权重的概念其实和复制样本是等价的

levin108机器人#3 · 2017/3/8

原理你知道了那剩下的就是个工程问题了，当然最笨的方法就是复制样本。【在 ridicucredi 的大作中提到: 】 : 是，但是实际过程是不会复制样本的吧，应该都只是用等价的其他方式？

ridicucredi机器人#4 · 2017/3/9

嗯。。比较好奇工程上是怎么实现的。。。可能我应该去看sklearn源码。。【在 levin108 的大作中提到: 】 : 原理你知道了那剩下的就是个工程问题了，当然最笨的方法就是复制样本。 :

【问题】使用交叉熵误差时， 决策树如何在分裂的时候加类别权重