1，模型樹是乙個混合演算法。它首先是乙個決策樹演算法，類似cart演算法，而又不同於id3演算法或cart演算法。傳統的決策樹演算法，它們生成樹的葉子節點上代表對一條資料的**類別或**目標值，而模型樹上的葉子節點代表乙個線性回歸模型(最小二乘法)。對於一條測試資料，用這個線性回歸模型計算出其**類別或**目標值。
2，也就是說，模型樹在**的時候，選定切分特徵和切分特徵值的時候，其參考標準不再是cart演算法中的總差異最優，而是線性回歸模型作用於此子資料集模組產生的總誤差最優。
3，模型樹和回歸樹的處理資料的效果，一般來說比單獨的線性回歸模型要好。評價這幾個演算法優劣的標準是計算它們處理同乙個資料集之後產生的各自的相關係數（即**值和真實值之間的相關係數）的大小，相關係數(在0~1之間)越大，說明效果越好。
Spark Mllib資料探勘入門四 回歸分析
回歸分析 regression analysis 是一種用來確定兩種或兩種以上變數間相互依賴的定量關係的統計分析方法，運用十分廣泛。如果在回歸分析中，只包括乙個自變數和乙個因變數，且二者的關係可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個或兩個以上的自變數，且因變數和...
資料探勘演算法原理 決策樹模型原理
決策數演算法 決策樹剪枝策略 決策樹 樹的組成 根節點 第乙個選擇點 非葉子節點與分支 中間過程 葉子節點 最終的決策結果 如何切分特徵 選擇節點 問題 根節點的選擇該用哪個特徵呢？接下來呢？如何切分呢？目標 通過一種衡量標準，來計算通過不同特徵進行分支選擇後的分類 情況，找出來最好的那個當成根節點...
資料探勘回顧一 分類演算法之 kNN 演算法
下面用最簡潔的話語說明 knn 演算法 knn 演算法 k 近鄰演算法 是一種分類演算法，即對於給出的一條待分類的資料或待分類的乙個東西，我們提取出這條資料的特徵值 按照特徵值，通過計算與已經分好類的所有條資料之間的一一歐式距離，把這些所有歐式距離排序，挑選出k個最短的距離 對於這k個最短的距離所對...