决策树

✍ dations ◷ 2025-07-01 06:20:49 #决策树
统计学,数据挖掘和机器学习中的决策树训练,使用决策树作为预测模型来预测样本的类标。这种决策树也称作分类树或回归树。在这些树的结构里, 叶子节点给出类标而内部节点代表某个属性。在决策分析中,一棵决策树可以明确地表达决策的过程。在数据挖掘中,一棵决策树表达的是数据而不是决策。本页的决策树是数据挖掘中的决策树。在数据挖掘中决策树训练是一个常用的方法。目标是创建一个模型来预测样本的目标值。例如右图。每个 内部节点 对应于一个输入属性,子节点代表父节点的属性的可能取值。每个叶子节点代表输入属性得到的可能输出值。一棵树的训练过程为:根据一个指标,分裂训练集为几个子集。这个过程不断的在产生的子集里重复递归进行,即递归分割。当一个训练子集的类标都相同时 递归停止。这种决策树的自顶向下归纳 (TDITD) 是 贪心算法的一种, 也是目前为止最为常用的一种训练方法,但不是唯一的方法。数据以如下方式表示:其中Y是目标值,向量x由这些属性构成, x1, x2, x3 等等,用来得到目标值。在数据挖掘中,决策树主要有两种类型:术语分类和回归树 (CART) 包含了上述两种决策树, 最先由Breiman 等提出. 分类树和回归树有些共同点和不同点—例如处理在何处分裂的问题。有些集成的方法产生多棵树:还有其他很多决策树算法,常见的有:构建决策树时通常采用自上而下的方法,在每一步选择一个最好的属性来分裂。 "最好" 的定义是使得子节点中的训练集尽量的纯。不同的算法使用不同的指标来定义"最好"。本部分介绍一些最常见的指标。在CART算法中, 基尼不纯度表示一个随机选中的样本在子集中被分错的可能性。基尼不纯度为这个样本被选中的概率乘以它被分错的概率。当一个节点中所有样本都是一个类时,基尼不纯度为零。假设y的可能取值为 J {displaystyle J} 个类别,另 i ∈ { 1 , 2 , . . . , J } {displaystyle iin {1,2,...,J}} , p i {displaystyle p_{i}} 表示被标定为第 i {displaystyle i} 类的概率,则基尼不纯度的计算为:ID3, C4.5 和 C5.0 决策树的生成使用信息增益。信息增益 是基于信息论中信息熵与自信息理论.信息熵定义为:其中 p 1 , p 2 , . . . {displaystyle p_{1},p_{2},...} 加和为1,表示当前节点中各个类别的百分比。例如,数据集有4个属性:outlook (sunny, overcast, rainy), temperature (hot, mild, cool), humidity (high, normal), and windy (true, false), 目标值play(yes, no), 总共14个数据点。为建造决策树,需要比较4棵决策树的信息增益,每棵决策树用一种属性做划分。信息增益最高的划分作为第一次划分,并在每个子节点继续此过程,直至其信息增益为0。使用属性windy做划分时,产生2个子节点:windy值为真与为假。当前数据集,6个数据点的windy值为真,其中3个点的play值为真,3个点的play值为假;其余8个数据点的windy为假,其中6个点的play值为真,2个点的play值为假。 windy=true的子节点的信息熵计算为:windy=false的子节点的信息熵计算为:这个划分(使用属性windy)的信息熵是两个子节点信息熵的加权和:为计算使用属性windy的信息增益,必须先计算出最初(未划分)的数据集的信息熵,数据集的play有9个yes与5个no:使用属性windy的信息增益是:与其他的数据挖掘算法相比,决策树有许多优点:在决策树中, 从根节点到叶节点的路径采用汇合或与。 而在决策图中, 可以采用 最小消息长度 (MML)来汇合两条或多条路径。演化算法可以用来避免局部最优的问题

相关

  • 科学分类法生物分类法(英语:Taxonomy),åˆç§°ç§‘学分类法,是用生物分类å­
  • 溶血溶血反应泛指红血球的不正常分解死亡的现象。溶血是指红血球的细胞膜因物理因素、化学因素、生物因素等因素受损破裂,内部的原生质从细胞漏出令红血球死亡的现象。“溶血反应
  • 教育美国教育主要由政府提供,由三级政府:联邦政府、州政府和地方政府(学区)控制和资助。在小学和中学,课程、资金、教学和其他政策都由当地选举产生的学区委员会决定。学区通常根据官
  • 青蒿琥酯青蒿琥酯(英语:Artesunate),是用于治疗疟疾的青蒿素类药物之一。于1977由桂林制药厂(现已更名为桂林南药股份有限公司)工程师刘旭合成。青蒿琥酯是青蒿素的半合成衍生物,可溶于水,因
  • 阿尔文·普兰丁格阿尔文·卡尔·普兰丁格(英语:Alvin Carl Plantinga,1932年11月15日-),美国当代著名的基督教哲学家,现任圣母大学John A.O'Brien讲席教授。他的研究领域包括基督教神学、认识论和形
  • 珠蛋白结构 / ECOD结构 / ECOD珠蛋白(英语:Globins)是是含有血红素的球状蛋白质的超家族,涉及结合和/或运输氧气。这些蛋白质都包含珠蛋白折叠,有八个α螺旋片段的一种系列。两个突出的
  • 植物园植物园或植物(学)公园是一个收集、繁殖和研究植物的科学研究机构,同时也为社会提供修养和教育的服务。植物园中的植物一般按其不同的种类有规划地培养,虽然植物园在布局和收藏上
  • 嘻哈Hip-Hop(英语:Hip hop),是1970年代源自纽约市南布朗克斯与哈林区的非洲裔及拉丁裔青年之间的一种边缘性次文化,继而发展壮大成为新兴艺术型态,并席卷全球。Hip-Hop包含说唱、DJ、
  • 衍射效应衍射(英语:diffraction),又称绕射,是指波遇到障碍物时偏离原来直线传播的物理现象。:559-560在经典物理学中,波在穿过狭缝、小孔或圆盘之类的障碍物后会发生不同程度的弯散传播。
  • 贝塔斯曼贝塔斯曼(Bertelsmann SE & Co. KGaA),台湾译作博德曼,是总部位于德国居特斯洛的跨国媒体公司,涉足电视、广播,杂志报刊出版、音乐出版、印刷及媒体服务、书刊音乐俱乐部等。在全