決定木ビジュアルラボ
二値分類のための軸に平行な分割を行うインタラクティブシミュレータ。
決定木はデータを再帰的に小さな領域へ分割します。このシミュレータでは、各分割は軸に平行で、xまたはyのしきい値を使います。
内部ノードは x <= 22 のような規則を問い、葉ノードはクラス確率と最終ラベルを出力します。
クラス比率 p_k に対するジニ不純度は次の通り:
$$ G = 1 - \sum_k p_k^2 $$
モデルは候補分割を試し、重み付き子ノード不純度が最小となる分割を選びます。
- 最大深さは木の複雑さを制限します。
- 最小サンプル数は不安定な微小分割を避けます。
- 純粋な葉（単一クラス）は自然に停止します。
浅い木は一般に汎化しやすく、深い木は局所ノイズに過学習しやすいです。
- クラスA/Bの点を追加するか、デモパターンを読み込みます。
- 最大深さ/最小サンプル設定を変えて学習。
- 領域境界、テキスト規則、分割ログを観察。
- 解釈性と適合の観点で単純な木と複雑な木を比較。
キャンバスをクリックしてグリッドセルにサンプルを追加し、学習で分割規則と領域を生成します。
モデル情報
ポイント: 0 A | 0 B
直近の分割スコア: -