决策树

✍ dations ◷ 2025-04-04 06:47:16 #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

  • LIF1EMR, 1PVH, 2Q7N· receptor binding · cytokine activity · leukemia inhibitory factor receptor binding· immune response · multicellular organismal develop
  • doi数字对象标识符(英语:Digital Object Identifier,简称DOI)也称数字对象识别号、数字对象识别符、数字对象标识符、数字对象唯一标识符等,是一套识别数字资源的机制,涵括的对象有影
  • 版面费版面费,是指学术期刊向文章发表者收取的一种费用。收取版面费的现象,在世界各国的学术界普遍存在。多数理论型学术刊物,较难走入市场,版面费的收取目的是为了弥补办刊经费的不足
  • 德国驻日大使馆德国驻日大使馆(德语:Deutsche Botschaft Tokyo、日语:駐日ドイツ大使館),是德意志联邦共和国对日本国设置的外交代表机构,亦为德国规模最大的驻外使馆之一,馆址位于东京港区的南麻
  • 西洛他唑西洛他唑(Cilostazol)为一种喹啉衍生类药物,可用于缓解周边动脉阻塞患者的间歇性跛行(英语:intermittent claudication)的症状。本品的制造商为大冢制药,以商品名普达锭(Pletaal)贩售
  • 柳树约400种柳,或柳树,是对柳属(Salix)植物的统称,其下共有四百多种物种,常见于北半球的寒带及温带。柳属植物要进行杂交非常容易,不论是天然或是人工的混种都很普遍。Salix × sepulcr
  • 大陆漂移学说大陆漂移学说是地球大陆相对于彼此的运动,因此似乎在海床上“漂流”。最初由亚伯拉罕·奥特柳斯在1596年提出,后来德国科学家阿尔弗雷德·魏格纳在1912年加以阐述,中文中“大陆
  • 华人四大节日汉族四大传统节日,或中国汉族四大传统节日、中国传统四大节日,在各地意义不同。一般是指汉族传统会一家团聚共度的四个节日:即春节(农历新年)、清明节、端午节、中秋节。若舍去清
  • 核脉冲推进核脉冲推进(英语:Nuclear pulse propulsion,或NASA的一份文档中称呼过的外部脉冲等离子推进 external pulsed plasma propulsion)是一个提议中的使用核爆做推力的航天器推进技术
  • 史密斯学院史密斯学院(英语:Smith College)是一所位于美国马萨诸塞州北安普敦的独立私立女子文理学院。史密斯学院创立于1871年,是著名的七姊妹学院成员之一。史密斯学院按索菲亚·史密斯(