首页 >
决策树
✍ dations ◷ 2025-04-25 13:39:57 #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
- 燃料电池燃料电池(英语:Fuel cell)是一种主要透过氧或其他氧化剂进行氧化还原反应,把燃料中的化学能转换成电能的发电装置。最常见的燃料为氢 ,其他燃料来源来自于任何的能分解出氢气的
- 肥力土壤肥力(英语:Soil fertility)是指土壤支持农作物生长的能力,即:为农作物提供生长的土地,并使得土地资源可持续使用,产出高质量的作物。土壤肥力高的土地需要具有以下两个特征:
- 英联邦国家英联邦(英语:Commonwealth of Nations),是一个由54个主权国家(包括属地)所组成的国际组织,成员大多为前英国殖民地或者保护国。英联邦元首为伊丽莎白二世女王,同时身兼包括英国在内
- 递归集合在可计算性理论中,一个自然数的子集被称为递归的、可计算的或具可判定性,如果我们可以构造一个算法,使之能在有限时间内终止并判定一个给定元素是否属于这个集合。更一般的集合
- 旋光性对映异构体(英语:Enantiomer (/ɪˈnæntiəmər, ɛ-, -tioʊ-/ ə-NAN-tee-ə-mər)),又称对掌异构物、光学异构物、镜像异构物或旋光异构体,不能与彼此立体异构体镜像完全重叠
- 路易·安托万·布干维尔路易斯·安东尼·布干维尔(法语:Louis Antoine de Bougainville,1729年11月12日-1811年8月31日)是一位法国海军上将、探险家,与詹姆斯·库克处于同一时代。他参与了对抗英国的法国
- 弗里茨·泽尔尼克弗里茨·塞尔尼克(荷兰语:Frits Zernike,1888年7月16日-1966年3月10日),荷兰物理学家,1953年因相衬显微技术而获诺贝尔物理学奖。1901年:伦琴 / 1902年:洛伦兹、塞曼 / 1903年:贝克
- 自我概念自我概念(或称自我建构、自我认同、自我观点或自我结构)是一个人关于自己的信念的集合。一般而言,自我概念体现了“我是谁?”这一问题的答案。自我概念由一个人的自我图式组成,并
- 次方幂运算(英语:Exponentiation),又称指数运算,是数学运算,表达式为 b n {\displa
- 维塔利·拉扎列维奇·金兹堡维塔利·拉扎列维奇·金兹堡(俄语:Виталий Лазаревич Гинзбург,转写:Vitaly Lazarevich Ginzburg,1916年10月4日-2009年11月8日),苏联著名理论物理学家和天