决策树学习

✍ dations ◷ 2025-06-17 19:52:08 #决策树,分类算法

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 (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} (sunny, overcast, rainy), (hot, mild, cool), (high, normal), and (true, false), 目标值(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。

使用属性做划分时,产生2个子节点:值为真与为假。当前数据集,6个数据点的值为真,其中3个点的值为真,3个点的值为假;其余8个数据点的为假,其中6个点的值为真,2个点的值为假。 =true的子节点的信息熵计算为:

=false的子节点的信息熵计算为:

这个划分(使用属性)的信息熵是两个子节点信息熵的加权和:

为计算使用属性的信息增益,必须先计算出最初(未划分)的数据集的信息熵,数据集的有9个yes与5个no:

使用属性的信息增益是:

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。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

  • CiNiiCiNii(/ˈsaɪniː/ )是一个面向日本学术图书资料的书目数据库(英语:Bibliographic database)服务,尤其是日本出版的日语和英语著作。该数据库成立于2005年4月,由日本国立信息学研
  • 安山岩安山岩(英语:Andesite)是一种中性火山喷出岩,是造山带最普通的火山岩,其中含有斑晶,斑晶是中性斜长石,深色矿物有辉石、角闪石,基质为隐晶质,由斜长石和极少量正长石或石英组成。主
  • 林其谁林其谁(1937年12月15日-),中国生物化学家。生于上海,原籍福建莆田。1959年毕业于上海第一医学院。现任中国科学院上海生命科学研究院生物化学与细胞生物学研究所研究员,联合国教科
  • 清帝退位《宣统帝退位诏书》是由清朝最后一位君主、同时也是中国自秦始皇创立皇帝制度以来的最后一位被承认的皇帝宣统帝溥仪于1912年2月12日(宣统三年十二月廿五)所颁布的退位诏书,标
  • 宇宙少女宇宙少女(朝鲜语:우주소녀/宇宙少女 Woo Joo So Nyeo,又称:WJSN;英语:Cosmic Girls)为韩国STARSHIP娱乐和中国乐华娱乐联手推出的13人女子音乐组合,于2016年2月25日以《MoMoMo》一曲
  • 台湾火山本列表列出台湾的火山。
  • 安第斯之声安第斯之声(西班牙语:La Voz De Los Andes;英语:The Voice of the Andes;简称HCJB)是一家总部位于厄瓜多尔的国际广播电台,由美国环球广播宣教团契(英语:World Radio Missionary Fell
  • 马来西亚国旗马来西亚国旗又称辉煌条纹(马来语:Jalur Gemilang),是马来西亚的国家主权象征之一。国旗由十四道红白相间的横条所组成,左上角为蓝底加上黄色的新月及十四芒星图案。长宽比例为2:1
  • 软件开发工具软件开发工具(英语:software development tool,或programming tool)为软件开发服务的各种软件和硬件。软件开发工具根据在不同软件开发生命周期中起到的作用可以分为:
  • 消费电子产品消费电子产品(英语:Consumer electronics),是指供日常消费者生活使用之电子产品。它属于特定的家用电器,内有电子元件,通常会应用于娱乐、通讯以及文书用途,例如电话、音响器材、DV