5-5 决策树的剪枝算法

树的剪枝算法

输入：
ID3或C4.5的决策树
参数a
输出：
剪枝后的决策树$T_a$

递归版本

1. 从树的根结点开始
2. 如果该结点的孩子中存在子树（不全是叶子结点），则先对子树做prune
3. 所有子树都prune之后，再判断该结点的孩子是否都是叶子
4. 如果不全是叶子，对该结点的算法结束
5. 如果该结点的孩子都是叶子，则尝试对该结点剪枝
   5.a 计算$C_a(T_B)$，代表该结点split后以该结点为根结点的子树的损失，其损失的计算方式与整棵树的计算方式相同
   $$C_a(T_B)=\sum ^{|T|}{N}_t{H}_t(T)+a|T|$$
   因此在生成树的时候为每个叶子结点保存它的$N_t$和$H_t$
   5.b 计算$C_a(T_A)$，代表该结点split之前作为一个叶子结点时的熵。因此在生成树时记录该split之前的熵
   5.c 比较$C_a(T_B)$和$C_a(T_A)$，如果$C_a(T_A)\le C_a(T_B)$，则将该结点修改为叶子结点。即：计算该结点的输出标记，并删除它的所有孩子结点。
6. 对该结点的处理结束，由于这个算法是递归调用的，如果该结点有父结点，则要继续处理它的父结点。

def isTree(Node):
    return 'child' in Node.keys()

def Clip(Node):
    bestNt = 0
    for value in Node['child']:
        if Node['child'][value]['Nt'] > bestNt:
            bestNt = Node['child'][value]['Nt']
            bestLabel = Node['child'][value]['label']
    Node['label'] = bestLabel
    Node.pop('child')
    
def Merge(Node, alpha):
    # 计算CaTb
    CT_b = 0
    for value in Node['child']:
        CT_b = CT_b + Node['child'][value]['Nt'] * Node['child'][value]['entropy'] + alpha
    # 计算CaTa
    CT_a = Node['entropy'] + alpha
    # 剪枝的条件
    if CT_a <= CT_b:
        Clip(Node)
        
def prune(Node, alpha):
    # 判断子结点中是否存在树
    for value in Node['child']:
        # 如果存在树
        if isTree(Node['child'][value]):
            # 先对树子结点做prune
            prune(Node['child'][value], alpha)
    # 对所有子树都prune之后，判断是否所有子树都是叶子
    isAllLeaf = True
    for value in Node['child']:
        if isTree(Node['child'][value]):
            isAllLeaf = False
            break
    # 如果所有子树都是叶子
    if isAllLeaf:
        # 尝试对结点做剪枝
        Merge(Node, alpha)

DP版本

【？】如何通过DP实现