决策树算法
来源:互联网 发布:淘宝大码鞋店 编辑:程序博客网 时间:2024/06/07 12:29
0、机器学习中算法的评价
- 准确率
- 速度
- 强壮性
- 可规模性
- 可解释性
1、什么是决策树(decision tree)
决策树是一个类似于流程图的树结构:其中,每个内部结点表示在一个属性上的测试,每个分支代表一个属性输出,而每个树叶结点代表类或类分布。树的最顶层是根结点。
2、它是机器学习中分类方法中一个重要的算法
3、构造决策树的基本算法
例子:“什么样的人买电脑”
下图为数据集:
下图为依据数据集建立的决策树:
4、熵(entropy)
1948年,香农提出了 ”信息熵(entropy)“的概念。
一条信息的信息量大小和它的不确定性有直接的关系。
要搞清楚一件非常非常不确定的事情,或是我们一无所知的事情,需要了解大量信息。
信息量的度量就等于不确定性的多少。
example:猜世界杯冠军,假如一无所知,猜多少次?(二分法)
每个队夺冠的几率不是相等的
比特(bit)来衡量信息的多少
变量的不确定性越大,熵越大。上面的这个小例子中,当P=1/32时,熵最大,为5。
5、决策树归纳算法(ID3)
1970-1980, J.Ross. Quinlan, 提出ID3算法
优先选择信息获取量最大的属性作为属性判断结点
信息获取量(Information Gain):Gain(A) = Info(D) - Infor_A(D)
age属性信息获取量的计算过程如下所示:
同理,计算income,student,credit_rating的信息获取量,因为age的信息获取量最大,所以首先将age属性作为节点来分枝(如下图),以此类推。
算法步骤:
- 树以代表训练样本的单个结点开始。
- 如果样本都在同一个类,则该结点成为树叶,并用该类标号。
- 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。该属性成为该结点的“测试”或“判定”属性。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。
- 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,就不在该结点的任何后代上考虑它。
- 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。
- (b) 没有剩余属性可以用来进一步划分样本。在此情况下,使用多数表决。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,没有样本。在这种情况下,以 samples 中的多数类创建一个树叶。
6、其他决策树算法
C4.5: Quinlan
Classification and Regression Trees (CART): (L. Breiman, J. Friedman, R. Olshen, C. Stone)
共同点:都是贪心算法,自上而下(Top-down approach)
区别:属性选择度量方法不同: C4.5 (gain ratio), CART(gini index), ID3 (Information Gain)
7、如何处理连续性变量的属性
离散化(阈值的选择很关键)
8、树剪枝叶 (避免overfitting)
- 先剪枝
- 后剪枝
9、决策树的优点
直观,便于理解,小规模数据集有效
10、决策树的缺点
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
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树算法
- 决策树 算法
- 决策树算法
- 决策树算法
- SpringMVC定时器配置文件说明
- Retrofit2-如何在请求时使用动态URL
- 读取main/resource下的.properties文件
- javascript + CSS + JQuery
- Word控件Spire.Doc V6.0.63发布| 支持表格样式的应用
- 决策树算法
- canvas drawBitmap demo
- centos 7 安装Nginx时遇到的问题
- (管道| / 重定向> / xargs)/find 与xargs结合使用/vi,grep,sed,awk(支持正则表达式的工具程序)
- ASP.NET MVC 中使用Spring.NET实现简单的属性注入
- SpringCloud教程九:服务链路追踪(SpringCloud Sleuth)
- Linux下批量操作服务器方法
- 【阿里聚安全·安全周刊】阿里双11技术十二讲直播预约|AWS S3配置错误曝光NSA陆军机密文件
- 消除用户的焦虑情绪,这里有5种方法