几个常用机器学习算法 - 决策树算法
来源:互联网 发布:恐怖黎明官方数据库 编辑:程序博客网 时间:2024/05/28 16:01
几个常用机器学习算法 - 决策树算法
本篇博客涉及到的信息论概念 - 熵和信息增益 - 可以参考这里。
1
决策树算法(Decision Tree)是从训练数据集中归纳出一组分类规则的过程。
实际操作中,与训练数据集不相矛盾的决策树可能有多个,也可能一个都没有;理想情况是找到一个与训练数据矛盾较小的决策树,同时也具有良好的泛化能力。
2
- 决策树结构:
- 有向边
- 节点
-内部节点: 数据的特征
-叶节点:数据的类别
- 决策树准则:每个实例都被一条路径覆盖,且仅被一条路径覆盖
3
决策树算法过程
- 特征选择
- 决策树生成过程就是划分数据集的过程,合适地选取特征能帮助我们将数据集从无序数据组织为有序;
- 有很多方法可以划分数据集,决策树算法根据信息论来度量信息;
- 信息论中有很多概念,不同的决策树生成算法使用不同的信息论概念来进行特征选择。
决策树生成
- 有诸如ID3, C4.5, CART等算法用于生成决策树;
ID3和CART4.5的差别在于用于特征选择的度量的不同
-ID3使用信息增益进行特征选择
-C4.5使用信息增益比进行特征选择
-以上两个算法流程:迭代的寻找当前特征中最好的特征进行数据划分,直到所有特征用尽或者划分后的数据的熵足够小。ID3核心思想:信息增益越大说明该特征对于减少样本的不确定性程度的能力越大,也就代表这个特征越好。
C4.5核心思想:某些情况(比如按照身份证号、信用卡号、学号对数据进行分类)构造的树层数太浅而分支又太多,而这样的情况对数据的分类又往往没有意义,所以引入信息增益比来对分支过多的情况进行适当“惩罚”。具体情景解释可见这篇博客
CART我还没了解过,暂不介绍
4
决策树生成算法得到的树对训练数据的分类很准确,但对未知数据的分类却没那么准确,容易过拟合;因为决策树考虑的特征太多,构建得太复杂。
所以我们需要对决策树进行剪枝:从已生成的树上裁掉一些子树或叶节点,并将其根节点或父节点作为新的叶节点,以此简化树。
剪枝算法很多,这里引入一种简单的:极小化决策树整体的损失函数。
设树 T 的叶节点个数为 |T|, t 是树 T 的叶节点,该叶节点有
而经验熵为
其中,为了简洁,令
所以,上面的损失函数可以记为
各个符号定义如下:
- C(T) 表示模型对训练数据的预测误差,即拟合程度
- |T| 表示模型复杂度
α 控制以上两者之间的平衡- 当
α 确定时,树越大,与训练数据的拟合就越好,C(T)越小,但是树的复杂度也会上升,|T| 上升;而树越小,树的复杂度就越低,|T| 越小,但往往和训练数据的拟合程度不好,C(T) 又会上升 - 较大的
α 使得生成较简单的树,较小的α 使得生成较复杂的树,当α=0 ,就完全不考虑树的复杂度了,相当于不进行剪枝操作 - 决策树生成只考虑提高信息增益来更好拟合训练数据,但决策树剪枝则通过优化损失函数来减少树的复杂度;可以说决策树生成学习的是局部模型,而决策树剪枝学习的是整体模型
- 当
剪枝算法流程
- 计算每个节点的经验熵
递归地从树的叶节点向上回缩:设一组叶节点
回缩到父节点前后的整体树分别是TB 和TA ,其对应的损失函数值分别是Cα(TB) 和Cα(TA) ,如果Cα(TB)≥Cα(TA) 那么将父节点变为新的叶节点,即剪枝
重复执行步骤2,直到不能再继续为止,得到损失函数最小的子树
Tα
5
代码部分,先挖个坑。。。过段时间回来填
本篇博客参考自:
《我们为什么需要信息增益比,而不是信息增益?》
统计学习方法 - 李航
- 几个常用机器学习算法 - 决策树算法
- 机器学习算法---决策树
- 机器学习算法-决策树
- 机器学习算法-决策树
- 机器学习--决策树算法
- 机器学习-算法--决策树
- 机器学习-决策树算法
- 机器学习:决策树算法
- 机器学习算法-决策树
- 机器学习算法---决策树
- 机器学习---决策树算法
- 机器学习算法---决策树
- 几个常用机器学习算法 - 隐马尔可夫模型
- 几个常用机器学习算法 - 逻辑回归
- 机器学习中的决策树算法
- 机器学习算法-决策树ID3
- 复习机器学习算法:决策树
- [Java][机器学习]决策树算法
- Android权限动态管理工具类
- app的升级与更新
- 解决ThinkPHP3.1由于独立分组导致部分__ACTION__和U(“”)方法失效
- PHP中的运算符
- Android使用Handler防止内存泄漏
- 几个常用机器学习算法 - 决策树算法
- requirejs前端模块化
- linux 虚拟内存初识
- android 判断是否在主线程的方法
- ExpandableListView的使用
- Linux学习笔记之系统中的分区和文件系统
- Lesson 9 Nehe
- 两栈共用同一存储空间
- Field类详解