Après avoir étudié l'arbre de décision pendant un moment, j'ai remarqué qu'il existe une petite technique appelée boosting. Je vois dans les cas normaux, cela améliorera la précision de l'arbre de décision.question sur les arbres de décision
Donc, je me demande simplement, pourquoi ne pas simplement incorporer ce boosting dans chaque arbre de décision que nous avons construit? Comme actuellement nous laissons la technique de boosting en tant que technique séparée, je réfléchis: y a-t-il des inconvénients à utiliser le boosting plutôt que d'utiliser un seul arbre de décision?
Merci de m'avoir aidé!
Parlez-vous du seuil de poids qui détermine la quantité de jeu de données à utiliser pour former les apprenants faibles? Pour autant que je puisse voir c'est un améliorateur de performance, et vous pouvez le régler à 100% si vous n'êtes pas sûr. La mise en œuvre de AdaBoost par Weka n'a pas d'autres seuils de poids ajustables - http://weka.sourceforge.net/doc/weka/classifiers/meta/AdaBoostM1.html#getWeightThreshold() –