用是否买房为例来说明决策树算法的使用-AI机器学习

我们以是否买房为例子给大家介绍一下决策树算法的使用，数据集如下（仅做演示，不代表真实情况）

地段	近地铁	面积	单价（万）	是否购买
三环	是	60	8	是
三环	是	80	8	否
三环	否	60	7	是
三环	否	80	7	否
五环	是	60	7	是
五环	是	80	7	否
五环	否	60	6	是
五环	否	80	6	是
六环	是	60	6	是
六环	是	80	5.5	是
六环	否	60	5	否
六环	否	80	5	否

从上表中我们可以看到，确定可以购买的数量有7个，不购买的数量有5个，共数是12个。按信息熵的计算公式我们可以得出此数据集的信息熵为：

按地段（用A1表示）划分，三环（D1）,五环（D2）,六环（D3）,来计算信息增益

按是否近地铁（用A2表示）划分，是（D1）,否（D2）, 来计算信息增益

按面积（用A3表示）划分，60平（D1），80平（D2）, 来计算信息增益

按单价划分（用A4表示），5w(D1), 5.5w(D2), 6w(D3), 7w(D4), 8w(D5) , 来计算信息增益

通过以上结果我们可以知道，对于信息熵的降低量（就是说人们决定是否买房的决定因素的权重）由高到低分别为：单价、面积、地段、是否近地铁。

以上算法就是决策树算法中ID3算法所采用的逻辑。

注：数量仅作为演示用的测试数据，不代表真实决策依据。

关注微信公众号“挨踢学霸”，获取更多人工智能技术文章