首页 >
决策树
✍ dations ◷ 2025-09-16 06:17:03 #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
- 尿路感染泌尿道感染(urinary tract infection,UTI),也称为急性膀胱炎或膀胱感染,是一种会影响到部分泌尿道的感染。泌尿道分为上、下泌尿道,感染部位不同对应到不同疾病名称:当影响到下泌尿
- 维生素B维生素B也作维他命B,是B族维生素的总称,它们常常来自于相同的食物来源,如酵母等。维生素B是身体内新陈代谢必需的一环,每种维生素B都参与了关键的代谢反应,通常以辅酶的形式存在
- 后置词后置词(postposition)在文法里是一种介词或助词,其作用为建立受词(多半是一个名词词组)与句子中其他部分的关系,通常用来表示位置、时间、作用对象或行为主体等。与前置词相反,后
- 惯用音陶文 ‧ 甲骨文 ‧ 金文 ‧ 古文 ‧ 石鼓文籀文 ‧ 鸟虫书 ‧ 篆书(大篆 ‧ 小篆)隶书 ‧ 楷书 ‧ 行书 ‧ 草书漆书 ‧ 书法 ‧ 飞白书笔画 ‧
- 同源器官在生物学种系发生理论中,若两个或多个结构具有相同的祖先,则称它们同源(Homology)。这里相同的祖先既可以指演化意义上的祖先,即两个结构由一个共同的祖先演化而来(在这个意义上,蝙
- 中华医学会精神病学分会中华医学会精神病学分会是中华人民共和国最大精神科医生组织,出版《中国精神疾病分类方案与诊断标准》和临床诊疗指引,亦促进精神科的实践、研究和交流、培训专业人员,并举行学
- 意大利总统意大利共和国总统(意大利语:Presidente della Repubblica Italiana)是意大利礼仪性的国家元首和国家象征,任期七年。担任意大利总统的资格是至少50岁的意大利公民。意大利总统任
- Mgsup2+/sup3s22, 8, 2蒸气压第一:737.7 kJ·mol−1 第二:1450.7 kJ·mol−1 第三:7732.7 kJ·mol−1 (主条目:镁的同位素镁(Magnesium)是一种化学元素,它的化学符号是Mg,它的原子序数是12,是
- 三氯蔗糖dideoxy-β-D-fructofuranosy l-4-chloro-4-deoxy-α-D- galactopyranoside[)三氯蔗糖(TGS),俗称蔗糖素(sucralose),是英国泰莱公司(Tate&Lyle)与伦敦大学共同研制并于1976年申请专利
- 链式反应链反应(Chain reaction)又称连锁反应,是指反应的产物或副产物又可作为其他反应的原料,从而使反应反复发生。在化学中,链反应通常指光、热、辐射或引发剂作用下,反应中交替产生活性