决策树学习

✍ dations ◷ 2025-07-04 11:25:22 #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

  • 转诊转诊(英语:referral)是指将病患从一个诊所或临床医生(英语:clinician)转送到其他医疗机构。像初级医疗或二级医疗的病患可能会依其病况需要,送到三级医疗机构。
  • 索姆省索姆省(法语:Somme)是法国上法兰西大区所辖的省份,位于法国北部,由境内的索姆河得名。该省编号为80。第一次世界大战中著名的索姆河战役就发生于此。5个海外省及大区
  • ɳ卷舌鼻音是辅音的一种,在国际音标中以ɳ表示,在X-SAMPA中以n`表示。当符号成对出现时,左边的是清音,右边的是浊音。阴影区域表示被认为是不可能的发音。
  • 米克特兰堤库特里米克特兰特库特利(Mictlantecutli,意为“冥王”。)是阿兹特克人的冥界之神,祂掌管米克特兰(阿兹特克的冥界)的第九层,也就是最底层。祂的女性面相,或说妻子,是米克特卡西瓦特尔(Mictec
  • 殉职殉职是为工作而付出生命,它使人们对该种原因去世的人存有尊敬之意。在具有明显职务阶级区分的职业,如军人、警务人员、消防人员列表等等,被认定为殉职者会被追晋阶级、举行隆重
  • 模判别式在数学中,魏尔斯特拉斯椭圆函数(Weierstrass's elliptic functions)又称 p 函数并且以 ℘ {\displaystyle \wp } 符号表示,是格外
  • 偏利共栖偏利共生(英语:Commensalism,又称为偏利共栖现象)是两种生物间共生关系的一种。是指在生物界中,某两物种间的生态关系,其中一种的生物会因这个关系而获得生存上的利益,但是,另一方的
  • 海枣椰枣(学名:Phoenix dactylifera),又名海枣、波斯枣、伊拉克蜜枣、无漏子、番枣、海棕、仙枣等,为棕榈科刺葵属的植物。椰枣树具有耐旱、耐碱、耐热而又喜欢潮湿的特点。树龄可达
  • 崔福生崔福生(1931年7月8日-2013年12月26日),台湾电影演员,北京人。1949年,崔福生任职中华民国空军大鹏话剧队演员。1958年,崔福生就读政治作战学校影剧系,1962年毕业。1967年,崔福生以《贞
  • 汗杰汗杰(Khendjer)是埃及第十三王朝(为第二中间期中的一个王朝)的法老之一。他的在位期间被现今学者认为约前1718年至前1712年,共4年3个月又5天。王位可能是发动政变篡位得来的。他