如何为决策树的连续特征选择拆分变量

Question

我目前正在实施决策树算法。 如果我有连续的特色数据，我该如何决定分裂点。 我遇到了一些资源，它们说要在每两点之间选择中间点，但考虑到我有8000行数据，这将是非常耗时的。 输出/特征标签具有类别数据。 是否可以更快地执行此操作

Answer 1

决策树用于计算熵和信息增益以确定最重要的特征。 实际上，对于决策树而言，8000行并不算太多。 但一般来说，随机森林类似于决策树。 它作为整体工作。 您可以查看并尝试它。此外，可能慢慢地与另一件事有关。