机器学习（三）——决策树（decision tree）算法介绍

0.机器学习中分类和预测算法的评估标准

准确率

速度

强壮性

可规模性

可解释性

1、什么是决策树/判定树（decision tree）？

判定树是一个类似于流程图的树结构：其中，每个内部节点表示一个属性上的测试，每个分支代表一个属性的输出，而每个树叶节点代表类或者类分布。树的最顶层是根节点。

2、机器学习中分类方法的重要算法是决策树

3、构造决策树的基本算法

3.1熵（entropy）概念

信息和抽象，如何度量？
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，或者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。
用比特（bit）来衡量信息的多少

即变量的不确定性越大，熵也就越大

3.2 决策树归纳算法（ID3）
1970-1980，
选择属性判断节点：
信息获取量：Gain(A) = Info(D) - Infor_A(D)
通过A来作为节点分类获取了多少信息
举例：

根据没有任何属性来分类，数据集本身的目标类的信息值：

以年龄来分的信息熵：

所以：

同理：Gain(income) = 0.029, Gain(student) =0.151,Gain(credit_rating)=0.048
所以，选择age作为第一个根节点，得到：

重复上面的步骤。
算法：
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。（也就是自己设置阈值）
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）
各种算法之间的共同点：都是贪心算法，自上而下；区别：属性选择度量方法不同

4、树剪枝叶（避免overfitting）
4.1 先剪枝（分到某一个程度之后不再分）
4.2 后剪枝（先把所有情况分完，再决定剪枝）
5、决策树的优缺点
优点：直观，便于理解，小规模数据集有效性好
缺点：处理连续变量不好
类别较多时，错误的增加比较快
可规模性一般。

转载于:https://www.cnblogs.com/Melvin-Dong/p/7343981.html

机器学习（三）——决策树（decision tree）算法介绍相关推荐

机器学习：决策树(Decision Tree）介绍
简介决策树是一种常见的机器学习算法,它的实现方式类似于我们平时利用多个不同权重选择做决策的过程.以下介绍一个现实生活中的例子. 当父母给自己的女儿介绍对象时,女儿往往会根据对方的年龄.富贵.高矮.美 ...
机器学习-决策树(decision tree)算法
学习彭亮<深度学习基础介绍:机器学习>课程 [toc] 决策树概念决策树是一种用于监督学习的层次模型,由此,局部区域通过少数几步递归分裂决定. 决策树是一个类似流程图的树结构:其中每个结 ...
机器学习：决策树(Decision Tree)--ID3算法
决策树的主要算法构建决策树的关键:按照什么样的次序来选择变量(属性/特征)作为分类依据. 根据不同的目标函数,建立决策树主要有以下三种算法 ID3(J.Ross Quinlan-1975) 核心:信 ...
机器学习(五)决策树(decision tree)
决策树(decision tree)(一)--构造决策树方法决策树算法起源于E.B.Hunt等人于1966年发表的论文"experiments in Induction",但真正 ...
决策树(Decision Tree)算法 python简单实现
1. 简介决策数(Decision Tree)在机器学习中是比较常见的一种算法,属于监督学习中的一种. 算法流程如图: 具体算法可以详见下方参考有空再做详解参考:https://blog.csd ...
机器学习笔记——决策树(Decision Tree)（1）
决策树 1.引入 1.1定义决策树,顾名思义,就是帮我们做出决策的树.现实生活中我们往往会遇到各种各样的抉择,把我们的决策过程整理一下,就可以发现,该过程实际上就是一个树的模型.比如相亲的时候: ...
机器学习算法实践：决策树 (Decision Tree)（转载）
前言最近打算系统学习下机器学习的基础算法,避免眼高手低,决定把常用的机器学习基础算法都实现一遍以便加深印象.本文为这系列博客的第一篇,关于决策树(Decision Tree)的算法实现,文中我将对决 ...
Machine Learning | (7) Scikit-learn的分类器算法-决策树(Decision Tree）
Machine Learning | 机器学习简介 Machine Learning | (1) Scikit-learn与特征工程 Machine Learning | (2) sklearn数据集 ...
算法杂货铺——分类算法之决策树(Decision tree)
算法杂货铺--分类算法之决策树(Decision tree) 2010-09-19 16:30 by T2噬菌体, 88978 阅读, 29 评论, 收藏, 编辑 3.1.摘要在前面两篇文章中,分别 ...
[机器学习笔记] （四）决策树 Decision Tree
(四)决策树 Decision Tree 基本概念决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性 ...

机器学习（三）——决策树（decision tree）算法介绍

机器学习（三）——决策树（decision tree）算法介绍相关推荐

最新文章

热门文章