alpha在信息增益修剪功能的上下文中是什麼意思？

Question

在PST包中，我們使用值C作爲用於修剪樹的信息增益函數的臨界值。該C值，0.05的α的計算方法如下：

C95 <- qchisq(0.95, 1)/2 

是什麼意思的是，C值是基於0.05的α？這是否意味着我們需要至少95％確定附加節點與以前的節點相比添加了更多信息，才能通過修剪算法保留它？

Answer 1

您的問題涉及在prune函數中使用gain="G2"，並且關於此增益函數的閾值C的選擇。

用於檢查分支是否可以修剪的G2增益函數的兩倍實際上是似然比檢驗統計量，該統計量比較樹在修剪分支之前和之後的可能性。在測試分支不添加任何信息的假設下，統計學2 * G2具有卡方分佈。因此，當差異不具有統計顯着性時，即只要G2值不超過給定顯着性水平的閾值，就修剪分支。

alpha是統計測試中常用的重要性級別。它通常是1％或5％。選擇α= 0.05意味着由於樣本的隨機性，有5％的機會錯誤地不修剪分支。