决策树

✍ dations ◷ 2025-06-27 10:26:11 #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

  • 有机物有机化合物(德语:Organische Verbindung;英语:organic compound、organic chemical),简称有机物,是含碳化合物,但是碳氧化物(如一氧化碳、二氧化碳)、碳酸、碳酸盐、碳酸氢盐、氢氰酸
  • 法罗群岛坐标:61°57′15″N 6°51′25″W / 61.95417°N 6.85694°W / 61.95417; -6.85694面积以下资讯是以2017年估计国家领袖国内生产总值(购买力平价) 以下资讯是以2008年估计国内
  • Netscape.com网景通信(英语:Netscape Communications ),以前称为网景通信公司(Netscape Communications Corporation),大部分通常被简称为网景(Netscape)。网景曾经是一家美国的电脑服务公司,以其
  • 副交感神经副交感神经系统(Parasympathetic system)是自律神经系统的两个部分其中之一,另一个部分是交感神经系统。(肠神经系统(ENS)现在通常被称为一个独立的系统,因为它有自己独立的反射活
  • 周武王周武王(?-?),姬姓,名发,谥武,曰名为珷帝日丁,西周第一代天子,西周时代青铜器铭文称其为珷。是西伯昌与太姒的嫡次子,其正妻为邑姜,西周的创建者。夏商周断代工程断代其在位时间为前1046年
  • 美因茨大学约翰内斯·谷登堡-美因茨大学(德语:Johannes Gutenberg-Universität Mainz),简称美因茨大学,位在德国莱茵兰-普法尔茨州首府美因茨市,以西方活字印刷术发明人约翰内斯·谷登堡之
  • 古人类旧石器时代按照时间可分作“最早期”(300万至70万年前)、“早期”(70万至10万年前)、“中期”(10万至3万5千年前)、“晚期”(3万5千至9千年前)四期。出土文物“最早期”的主要研究对
  • 氢氧根氢氧离子,旧称沎,化学符号为OH-。其中氢和氧之间以共价键连接,整体带一单位的负电荷。常常与不同的元素组成氢氧化物。一个氧原子和一个氢原子以共价键结合之后,通常以两种方式
  • 七叶树属七叶树属包括20-25种生长在北半球温带地区的落叶树或灌木。其中有7-10种是原生于北美洲的,有13-15种是原生于欧亚大陆的。七叶树属原来是单独的一个科,后来根据基因判断,和槭树
  • 超文本咖啡壶控制协议超文本咖啡壶控制协议(英语:Hyper Text Coffee Pot Control Protocol,缩写HTCPCP)是由IETF虚构的一种协议。这个协议在文档RFC 2324(1998年4月1日发布)中定义,是一个恶搞RFC。该协