我试图找到二进制决策树算法的时间复杂度。我已经了解到,在每个节点上,复杂度都受到搜索最佳属性O(m nlog n)
的复杂度的限制,因为知道m
是要素的数量,n
是特征中的实例的数量训练集。我认为我们应该将O(m nlog n)
乘以节点数,以发现整个算法的复杂性,对吗?我不明白为什么在某些资源中仅将决策树的复杂性视为O(m nlog n)
!有人可以解释一下吗?
无论使用分类属性还是连续属性,复杂度的计算是否存在差异?
我试图找到二进制决策树算法的时间复杂度。我已经了解到,在每个节点上,复杂度都受到搜索最佳属性O(m nlog n)
的复杂度的限制,因为知道m
是要素的数量,n
是特征中的实例的数量训练集。我认为我们应该将O(m nlog n)
乘以节点数,以发现整个算法的复杂性,对吗?我不明白为什么在某些资源中仅将决策树的复杂性视为O(m nlog n)
!有人可以解释一下吗?
无论使用分类属性还是连续属性,复杂度的计算是否存在差异?