Decision Tree Visual Lab
Binary classification के लिए axis-aligned split का इंटरैक्टिव सिमुलेटर।
Decision tree डेटा को recursively छोटे क्षेत्रों में बांटता है। इस सिमुलेटर में हर split axis-aligned है और x या y के threshold का उपयोग करता है।
हर internal node x <= 22 जैसी rule पूछता है। Leaf nodes class probabilities और final class label देते हैं।
Class proportions p_k के लिए Gini impurity:
$$ G = 1 - \sum_k p_k^2 $$
मॉडल candidate splits चुनता है और weighted child impurity न्यूनतम करता है।
- Maximum depth tree complexity सीमित करता है।
- Minimum samples unstable micro-splits से बचाता है।
- Pure leaves (सब एक class) अपने आप रुक जाती हैं।
कम गहराई वाले trees आमतौर पर बेहतर generalize करते हैं, जबकि बहुत गहरे trees local noise पर overfit कर सकते हैं।
- Class A और Class B के points जोड़ें या preset demo pattern लोड करें।
- अलग-अलग max depth / min samples के साथ ट्रेन करें।
- Region boundaries, text tree rules और split logs देखें।
- Simple vs complex trees की interpretability और fit quality तुलना करें।
Canvas पर क्लिक करके grid cells में samples जोड़ें, फिर train करें ताकि split rules और decision regions बनें।
Model Info
Points: 0 A | 0 B
Last Split Score: -