决策树

✍ dations ◷ 2025-04-26 12:26:34 #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

  • 科里亚克族科里亚克族(科里亚克语:нымыланы, чавчувены, алюторцы、俄语:Коряки)是俄罗斯远东地区的一个少数民族。他们住在科里亚克自治区(一度横跨俄罗斯
  • 不及物动词不及物动词(又叫自动词)与及物动词相反,在不及物动词之后不直接支配受词。(也就是说,在主宾格语言比如说德语中不支配宾语)。及物动词和不及物动词的区别在于所带的宾语不同。不
  • 腱鞘囊肿腱鞘囊肿(ganglion cyst)是一种出现在关节或腱鞘上的肿块,内容物是液体。手腕背侧最容易发生腱鞘囊肿,其次是手腕的掌侧。腱鞘囊肿一般会持续一月以上。一般来说,腱鞘囊肿发生后
  • 国际护士节国际护士节(英文:International Nurses Day,缩写:IND)是为纪念近代护理学和护理教育的创始人南丁格尔而订定的。弗罗伦斯·南丁格尔(Florence Nightingale,1820年5月12日至1910年8
  • 零次文献零次文献是一种特殊形式的信息源,主要包括两个方面的内容:零次文献一般是通过口头交谈、参观展览、参加报告会等途径获取,不仅在内容上有一定的价值,而且能弥补一般公开文献从信
  • 核纤层核纤层旧称“核周层”、“核衬层”或“核层”,是位于细胞核内染色质与核膜之间的高电子密度网络片层结构,由中间丝与膜相关蛋白(membrane associated proteins)交织形成,普遍存在
  • HBr溴化氢是化学式为HBr的二元化合物,标准情况下为气体。溴化氢溶于水得到氢溴酸,氢溴酸中加入失水剂也可得到溴化氢。标准情况下,溴化氢是不可燃气体,带有酸味,在潮湿空气中发烟。
  • 李树深李树深(1963年3月-),中国科学院副院长、党组成员,中国科学院大学校长。曾任中国科学院半导体研究所所长、党委书记。主要从事半导体器件物理研究。1963年生于河北保定,原籍河北保
  • 恋足恋足(英文:Foot fetishism)指人类对同类的足(脚)有特殊兴趣。广义的恋足也包括恋鞋、恋裤袜等行为。恋足形成的原因至今仍无定论,但可能形成的原因有很多,可能来自环境与自发性的压
  • 生物药剂学生物药剂学是研究给药后药物的吸收(Absorption)分布(Distribution)代谢(Metabolism)排泄(Elimination) 的整个体内过程,包含各种制剂因素和生物因素对这一过程与药效的影响。此外,生