机器学习算法概述第五章——CART算法

特点：

　　是一个二叉树，元素可以重复利用，可以做回归也可以做分类，分类用最小二乘法，即误差平方和最小

切割方法：

　　对于可量化的x来说：

　　切割点通常为两个x的平均值

左右两部分分别取均值，再评判以哪个分割点的误差平方和最小，即第一层根节点为此点

以此为规则，往下迭代，构建出回归树

　　对于不可量化的x来说：

　　x无法去均值。直接以特征属性割分，再计算两个区域的均值,再寻找误差平方和最小的切割点

举个栗子：

 

 

 

 

 CART回归树的构建：

 

 

 

 

 

 

优点：

　　易于解释
　　处理类别特征，其他的技术往往要求数据属性的单一
　　延展到多分类
　　不需要特征放缩
　　能捕获非线性关系和特征间的交互关系

缺点：
　　寻找最优的决策树是一 个NP-hard的问题，只能通过启发式方法求次优解
　　决策树会因为样本发生- -点点的改动，就会导致树结构的剧烈改变
　　如果某些离散特征的特征值种类多，生成决策树容易偏向于这些特征ID3
　　有些比较复杂的关系，决策树很难学习，比如异或

CART分类决策树算法：

　　纯度：当样本点均来自同一类别时不纯度为0,当两个样本点属于不同类别时的不纯度为两个类别的概率相乘

　　多类别时：

　　来自于1类别的概率+来自于2类别的概率+来自于3类别的概率

 

 

 　　不纯度就是基尼系数，以基尼系数最小的一项为第一个切分点，基尼系数计算如下

 

 

 

 

 

 

 

 

 cart分类树也是一个二叉树

 

 

 

 

 

 

 

 

 

 

 

 总结

KD-tree目前接触到的是无监督的

ID3、C4.5和CART算法均只适合在小规模数据集上使用

ID3、 C4.5和CART算法都是单变量决策树
决策树分类- 般情况只适合小数据量的情况(数据可以放内存
CART算法是三种算法中最常用的一种决策树构建算法(sklearn中仅支持CART)。
三种算法的区别仅仅只是对于当前树的评价标准不同而已，ID3使用信息增益、
C4.5使用信息增益率、CART使用基尼系数。 (不是主要区别)
CART算法构建的一定是二 叉树，ID3和C4.5构建的不一 定是二 叉树。(主要区别)

C4.5在我们学习使用的sklearn上没有，所以我们是忽略掉了