决策树模型在多层下钻归因中的具体做法是什么?
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
在多层下钻归因中,决策树模型的具体做法是首先计算贡献率的熵,然后找到信息增益最高的切割方法。通过不断切割数据空间,将贡献率高的维度维值组合分离出来,形成决策树的各个分支。最终,我们可以根据决策树的路径找到导致指标异动的关键因素。