首页 >
决策树
✍ dations ◷ 2025-04-04 11:17:36 #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
- 以弗所的索拉努斯索兰纳斯(英语:Soranus),约于公元1世纪至公元2世纪前后活动。生于以弗所的希腊医生,2世纪上半期行医并著有医学著作。现仅存的几部作品(用希腊语撰写)中包括四卷有关妇科的《论妇女
- 语言人类学体质人类学 文化人类学 语言人类学 分子人类学 社会人类学 考古学应用人类学 民族志 参与观察 文化相对论文化 • 社会 史前史 • 人类演化 亲属 婚姻 • 家庭 物质文化 种
- 教廷在天主教会,教廷(拉丁语:Curia;或称为“廷”)是个别教会/地方教会的管理人员与机构组成之团体,主要功能为辅助主教等高级神职人员管理与领导教会。其狭义上指各教区的“教区廷”,广
- 萨丁尼亚岛坐标:40°00′N 09°00′E / 40.000°N 9.000°E / 40.000; 9.000撒丁岛(意大利语:Sardegna,,撒丁语:Sardìgna, Sardìnnia)位于意大利半岛的西南方,是地中海的第二大岛,仅次于西西
- 迷幻音乐迷幻音乐 是一种音乐流派,有着丰富的流行音乐风格。上世纪60年代兴起了一种叫作迷幻文化的亚文化,人们沉迷于各类迷幻药物,如迷幻剂,迷幻蘑菇,麦司卡林和DMT等,以此引起幻觉,扭曲正
- 志愿役志愿兵役制或称志愿役(又称为募兵制)是指符合条件之人民志愿投入军队,以军人作为职业。人民自愿加入军队的原因众多,可以是基于爱国、宗教意识或兴趣,如义勇兵;或是纯粹为报酬而参
- 因果谬误因果谬误(Causal Fallacy)、虚假原因(英语:false cause)、或乱赋因果(拉丁语:non causa pro causa),是一种非形式谬误,泛指各种未有充分证据便轻率断定因果关系的不当推论。像是例如看
- 诉诸中庸诉诸中庸(英语:argument to moderation;拉丁语:argumentum ad temperantiam),是假定从多个冲突观点中找出折衷观点就一定是最佳解、真相必然在两极端之间的谬误。然而,许多时候折衷
- 前辈前辈是汉字文化圈中社会中对无血缘关系而比自己年长者,或者同组织中科层地位相近而比自己资深者的称呼。对于前辈,有若干不同的称呼法,例如在学徒、剧团之间叫“师兄”、“师姐
- 泡沫经济泡沫经济,是指资产价值超越实体经济可承受的程度,使其极易丧失持续发展能力的宏观经济状态。泡沫经济经常由大量的投机活动所支撑。由于缺乏实体经济的支撑,因此其资产犹如泡沫