我正在使用来自Weka 3.7.11的RandomForest，而后者正在装袋Weka的RandomTree . 我的输入属性是数字，输出属性（标签）也是数字 .
在训练RandomTree时，为树的每个节点随机选择K个属性 . 尝试基于这些属性的若干分裂，并选择“最佳”分裂 . Weka如何确定这个（数字）案例中最好的分裂？
对于名义属性，我认为Weka正在使用基于条件熵的information gain标准 .
IG(T|a) = H(T) - H(T|a)
类似的东西用于数字属性吗？也许是差分熵？
1 回答
当树在数字属性上拆分时，它会在
a>5之类的条件下拆分 . 因此，这种情况实际上变成了二元变量，标准（信息增益）完全相同 .附：对于通常使用的回归是平方误差的总和（对于每个叶子，然后对叶子求和） . 但我不清楚Weka