决策树桩（RapidMiner Studio Core）
决策树桩概要
该操作员只学会一个只有一个单个拆分的决策树。该操作员可以应用于名义数据集和数值数据集。描述
决策树桩操作员用于生成只有一个单个拆分的决策树。所得树可用于对看不见的示例进行分类。当使用Adaboost操作员等操作员加强时，该操作员可以非常有效。给定示例集的示例具有多个属性，每个示例都属于类（例如是或否）。决策树的叶节点包含类名称，而非叶子节点是决策节点。决策节点是一个属性测试，每个分支（到另一个决策树）是属性的可能值。有关决策树的更多信息，请研究决策树操作员。
输入
训练集（数据表）此输入端口期望一个示例集。它是附件示例过程中检索操作员的输出。其他操作员的输出也可以用作输入。
训练集输出
模型（决策树）只有一个单一拆分的决策树从此输出端口传递。现在，可以将此分类模型应用于可见的数据集，以预测标签属性。
- 示例集（数据表）
给出的作为输入的示例集将传递，而不会通过此端口更改输出。这通常用于在其他运算符中重复使用相同的示例集，或在结果工作区中查看示例集。
模型参数
- 标准此参数指定将选择属性进行分裂的标准。它可以具有以下值之一：
- 信息_GAIN：计算所有属性的熵。选择具有最小熵的属性进行分裂。该方法偏见选择具有大量值的属性。
- gain_ratio：这是信息增益的变体。它调整每个属性的信息增益，以允许属性值的广度和均匀性。
- gini_index：这是示例集杂质的量度。在所选属性上分裂可减少所得子集的平均GINI指数。
- 准确性：选择这样的属性进行拆分，以最大化整棵树的准确性。
- minimal_leaf_size叶节点的大小是其子集中的示例数。该树的生成方式使每个叶节点子集至少具有最小的叶子大小实例数。范围：整数
教程流程
决策树桩操作员简介
要了解树木的基本术语，请研究决策树操作员的示例过程。
使用检索操作员加载“高尔夫”数据集。这里插入一个断点，以便您可以查看示例集。决策树桩操作员应用于此示例集。标准参数设置为“信息增益”，最小叶子大小参数设置为1。结果决策树模型已连接到过程的结果端口，并且可以在结果工作区中看到。您可以看到该决策树只有一个分差。
