rpart：是否需要訓練數據

Question

我有一些問題需要了解一些基礎知識，所以我被卡住了迴歸樹。 我使用rpart的分類樹來檢查環境參數對我測量的樹木生長因子的影響。 長話短說：

將數據分解爲訓練和測試數據以及（何時）需要它的目的是什麼？我的搜索顯示了他們不做或不做的例子，但我找不到背景故事。這只是爲了驗證修剪嗎？

謝謝！

Answer 1

在訓練模型之前，您需要分解爲訓練和測試數據。培訓數據有助於型號學習，而測試數據有助於驗證該模型。

拆分在運行模型之前完成，並且模型在進行一些微調或更改時必須重新訓練。

正如你可能知道，對於postpruning一般過程如下：

1) Split data into training & test (validation) sets 

2) Build decision tree from training set 

3) For every non-leaf node N, prune the subtree rooted by N and 
replace with the majority class. Then test accuracy with a 
validation set. This validation set could be the one defined before 
or not. 

這一切都意味着，你可能是在正確的軌道上，是的，整個數據集可能已被用於測試修剪的準確性。