Ambos son métodos para la regresión de la construcción y los árboles de clasificación.
CHAID (Detección de interacción ajustada al cuadrado de CHI) de forma predeterminada a) Utiliza el ajuste de Bonferroni para intentar controlar el tamaño del árbol yb) Utiliza divisiones de múltiples vías en cada nodo.
CART (Árboles de clasificación y regresión) es un término general para cualquier tipo de método basado en árboles y el nombre que Salford Systems usa para su implementación adecuada de dichos árboles. Por lo general, aunque CART usa divisiones binarias y podas para ajustar el tamaño del árbol (pero vea, por ejemplo, el paquete “party” en “R”).
- ¿Se pueden usar las redes neuronales para resolver problemas de aprendizaje no supervisados?
- ¿Cuándo debe usarse el bosque aleatorio sobre la regresión logística para la clasificación y viceversa?
- ¿Cuáles son las mejores prácticas para garantizar que los datos adquiridos de la investigación que implica el análisis de Big Data resulten precisos y útiles?
- Cómo realizar un detector de rectángulo con un fondo y un primer plano complejos
- ¿Hay aplicaciones de IA en adquisiciones?
Todos los métodos de árbol tienden a requerir grandes tamaños de muestra para la estabilidad; Multiway se divide más que los binarios. El embolsado y el refuerzo pueden aliviar algo de esta inestabilidad, a costa de una interpretación más difícil.