决策树
来源:互联网 发布:听书软件电脑版 编辑:程序博客网 时间:2024/05/16 05:52
一、决策树/判断树(decision tree)
1、概念:决策树是一个类似于流程图的树结构:其中,每个内部节点表示在一个属性上的测试,每个分支表一个属性输出,而每个树叶节点代表类或类分布。树的最顶层是根结点。
2、熵:
H(X)=-(p1*logp1+p2*logp2+...+pn*logpn)
3、算法:
信息获取量:Gain(A) = info(D)-infor_A(D)
树以代表训练样本的单个结点开始(步骤1)。
如果样本都在同一个类,则该结点成为树叶,并用该类标号(步骤2 和3)。
否则,算法使用称为信息增益的基于熵的度量作为启发信息,选择能够最好地将样本分类的属性(步骤6)。该属性成为该结点的“测试”或“判定”属性(步骤7)。在算法的该版本中,
所有的属性都是分类的,即离散值。连续属性必须离散化。
对测试属性的每个已知的值,创建一个分枝,并据此划分样本(步骤8-10)。
算法使用同样的过程,递归地形成每个划分上的样本判定树。一旦一个属性出现在一个结点上,就不必该结点的任何后代上考虑它(步骤13)。
递归划分步骤仅当下列条件之一成立停止:
(a) 给定结点的所有样本属于同一类(步骤2 和3)。
(b) 没有剩余属性可以用来进一步划分样本(步骤4)。在此情况下,使用多数表决(步骤5)。
这涉及将给定的结点转换成树叶,并用样本中的多数所在的类标记它。替换地,可以存放结
点样本的类分布。
(c) 分枝
test_attribute = a i 没有样本(步骤11)。在这种情况下,以 samples 中的多数类
创建一个树叶(步骤12)
4、优点:
直观,便于理解,小规模数据集有效
5、缺点:
1、概念:决策树是一个类似于流程图的树结构:其中,每个内部节点表示在一个属性上的测试,每个分支表一个属性输出,而每个树叶节点代表类或类分布。树的最顶层是根结点。
2、熵:
H(X)=-(p1*logp1+p2*logp2+...+pn*logpn)
3、算法:
信息获取量:Gain(A) = info(D)-infor_A(D)
树以代表训练样本的单个结点开始(步骤1)。
如果样本都在同一个类,则该结点成为树叶,并用该类标号(步骤2 和3)。
否则,算法使用称为信息增益的基于熵的度量作为启发信息,选择能够最好地将样本分类的属性(步骤6)。该属性成为该结点的“测试”或“判定”属性(步骤7)。在算法的该版本中,
所有的属性都是分类的,即离散值。连续属性必须离散化。
对测试属性的每个已知的值,创建一个分枝,并据此划分样本(步骤8-10)。
算法使用同样的过程,递归地形成每个划分上的样本判定树。一旦一个属性出现在一个结点上,就不必该结点的任何后代上考虑它(步骤13)。
递归划分步骤仅当下列条件之一成立停止:
(a) 给定结点的所有样本属于同一类(步骤2 和3)。
(b) 没有剩余属性可以用来进一步划分样本(步骤4)。在此情况下,使用多数表决(步骤5)。
这涉及将给定的结点转换成树叶,并用样本中的多数所在的类标记它。替换地,可以存放结
点样本的类分布。
(c) 分枝
test_attribute = a i 没有样本(步骤11)。在这种情况下,以 samples 中的多数类
创建一个树叶(步骤12)
4、优点:
直观,便于理解,小规模数据集有效
5、缺点:
处理连续变量不好,类别较多时,错误增加的比较快,可规模性一般
模拟源代码:
# coding=utf-8#根据信息熵来计算信息获取量import math#结果信息熵def info(A): YesNum = 0 NoNum = 0 sum = len(A) for i in (A): if i == 1: YesNum+=1 else: NoNum+=1 return -(YesNum/sum)*math.log(YesNum/sum,2)-(NoNum/sum)*math.log(NoNum/sum,2)#单一条件的信息熵def info(D1, D2, D3, A): d1Num = 0 d2Num = 0 d3Num = 0 dYes = 0 dYes = 0 sum = len(A) for i in range(sum): if D1[i] == 1:#是D1 d1Num+=1 if A[i] == 1: dYes+=1 else: dNo+=1 infoD1 = -(d1Num/sum)*(-(dYes/d1Num)*math.log(dYes/d1Num,2)-(dNo/d1Num)*math.log(dNo/d1Num,2)) for i in range(sum): if D2[i] == 1:#是D2 d2Num+=1 if A[i] == 1: dYes+=1 else: dNo+=1 infoD2 = -(d2Num/sum)*(-(dYes/d2Num)*math.log(dYes/d2Num,2)-(dNo/d2Num)*math.log(dNo/d2Num,2)) for i in range(sum): if D3[i] == 1:#是D1 d3Num+=1 if A[i] == 1: dYes+=1 else: dNo+=1 infoD3 = -(d3Num/sum)*(-(dYes/d3Num)*math.log(dYes/d3Num,2)-(dNo/d3Num)*math.log(dNo/d3Num,2)) return infoD1+infoD2+infoD3#求时间D的信息获取量def Gain(D, A): return info(A)-info(D1,D2,D3,A)def main(): gain = [] for i in range(len(All)): gain[i]=Gain(D[i],A) gain.sort()
阅读全文
0 0
- 决策树
- 决策树
- 决策树
- 决策树
- 决策树
- 决策树
- 决策树
- 决策树
- 决策树
- 决策树
- 决策树
- 决策树
- 决策树
- 决策树
- 决策树
- 决策树
- 决策树
- 决策树
- 计算机组成原理知识点(第七章: 指令系统)
- linux c++ 多进程 匿名管道 命名管道 消息队列 信号量 共享内存 内存映射
- Ubuntu16.10 下codeblocks的安装配置
- 在(Docker里的)Jenkins里运行Docker
- 同时集成阿里云旺与友盟推送,初始化失败s:-11,s1:accs bindapp error!的解决办法
- 决策树
- 走向云计算之MapReduce应用案例详解
- PHP设计模式转载
- 可重入函数与线程安全
- JPEG编解码原理
- 集成环信打包报错xxx is not translated in zh
- 欢迎使用CSDN-markdown编辑器
- 对于解决python安装第三方包时候,报错 error: Unable to find vcvarsall.bat的终极秘诀
- 记录android开工第一天