Können Bäume mit Gefälle für jede Funktion geeignet sein?


14

Für neuronale Netze haben wir den universellen Approximationssatz, der besagt, dass neuronale Netze jede stetige Funktion auf einer kompakten Teilmenge von R n approximieren könnenRn .

Gibt es ein ähnliches Ergebnis für Bäume mit Farbverlauf? Es scheint vernünftig, da Sie weitere Zweige hinzufügen können, aber ich kann keine formelle Diskussion über das Thema finden.

EDIT: Meine Frage scheint sehr ähnlich zu Können Regressionsbäume kontinuierlich vorhersagen? , obwohl vielleicht nicht genau das Gleiche gefragt. Aber sehen Sie diese Frage für relevante Diskussion.


1
Gute Frage! Ich konnte nichts dazu finden, aber hier sind die PAC-Grenzen für Entscheidungsbäume. Fragen Sie noch einmal nach cstheory.
Emre

1
Siehe hier: projecteuclid.org/download/pdf_1/euclid.aos/1013203451 . Es ist eine alte Lektüre. Ich glaube, es hat das, wonach Sie suchen. Soweit ich das grundsätzlich verstehe, können sie. Lassen Sie mich wissen, was Sie davon halten.
TwinPenguins

Antworten:


1

Ja - Erstellen Sie eine Region für jeden Datenpunkt (dh speichern Sie die Trainingsdaten).

Somit ist es möglich, dass Bäume mit Gradientenverstärkung für alle Trainingsdaten geeignet sind, die Verallgemeinerung auf neue Daten wäre jedoch begrenzt.

Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.