决策树ID3、CART、C4.5之间的区别

 

历史回顾：1984年提出的cart，1986年提出的ID3，1993年提出的c4.5

理论上总的来说，
C4.5是基于ID3优化后产出的算法，主要优化了关于节点分支的计算方式，优化后解决了ID3分支过程中总喜欢偏向取值较多的属性
ID3是信息增益分支：

而CART一般是GINI系数分支：

C4.5一般是信息增益率分支：

 

工程上总的来说：
CART和C4.5之间主要差异在于分类结果上，CART可以回归分析也可以分类，C4.5只能做分类；C4.5子节点是可以多分的，而CART是无数个二叉子节点；
以此拓展出以CART为基础的“树群”random forest ， 以回归树为基础的“树群”GBDT

 

样本数据的差异：
ID3只能对分类变量进行处理，C4.5和CART可以处理连续和分类两种自变量
ID3对缺失值敏感，而C4.5和CART对缺失值可以进行多种方式的处理
只从样本量考虑，小样本建议考虑c4.5、大样本建议考虑cart。c4.5处理过程中需对数据集进行多次排序，处理成本耗时较高，而cart本身是一种大样本的统计方法，小样本处理下泛化误差较大

目标因变量的差异：
ID3和C4.5只能做分类，CART（分类回归树）不仅可以做分类（0/1）还可以做回归（0-1）
ID3和C4.5节点上可以产出多叉（低、中、高），而CART节点上永远是二叉（低、非低）

样本特征上的差异：
特征变量的使用中，多分的分类变量ID3和C4.5层级之间只单次使用，CART可多次重复使用

决策树产生过程中的优化差异：
C4.5是通过枝剪来修正树的准确性，而CART是直接利用全部数据发现所有树的结构进行对比

作者：slade_sal
链接：https://www.jianshu.com/p/895a76122c4f
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。

本文转自https://www.jianshu.com/p/895a76122c4f?utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation