[机器学习]机器学习笔记整理05-决策树

机器学习中分类和预测算法的评估:

准确率
速度
强壮行
可规模性
可解释性

  1. 什么是决策树/判定树(decision tree)?

    判定树是一个类似于流程图的树结构:其中,每个内部结点表示在一个属性上的测试,每个分支代表一个属性输出,而每个树叶结点代表类或类分布。树的最顶层是根结点。
    [机器学习]机器学习笔记整理05-决策树_第1张图片
    [机器学习]机器学习笔记整理05-决策树_第2张图片

    3.1 决策树归纳算法 (ID3)

      1970-1980, J.Ross. Quinlan, ID3算法
    
      选择属性判断结点
    
      信息获取量(Information Gain):Gain(A) = Info(D) - Infor_A(D)
      通过A来作为节点分类获取了多少信息
    

    [机器学习]机器学习笔记整理05-决策树_第3张图片
    [机器学习]机器学习笔记整理05-决策树_第4张图片

算法:

树以代表训练样本的单个结点开始(步骤1)。
如果样本都在同一个类,则该结点成为树叶,并用该类标号(步骤2 和3)。
否则,算法使用称为信息增益的基于熵的度量作为启发信息,选择能够最好地将样本分类的属性(步骤6)。该属性成为该结点的“测试”或“判定”属性(步骤7)。在算法的该版本中,
所有的属性都是分类的,即离散值。连续属性必须离散化。
对测试属性的每个已知的值,创建一个分枝,并据此划分样本(步骤8-10)。
算法使用同样的过程,递归地形成每个划分上的样本判定树。一旦一个属性出现在一个结点上,就不必该结点的任何后代上考虑它(步骤13)。
递归划分步骤仅当下列条件之一成立停止:
(a) 给定结点的所有样本属于同一类(步骤2 和3)。
(b) 没有剩余属性可以用来进一步划分样本(步骤4)。在此情况下,使用多数表决(步骤5)。
这涉及将给定的结点转换成树叶,并用样本中的多数所在的类标记它。替换地,可以存放结
点样本的类分布。

(c) 分枝
test_attribute = a i 没有样本(步骤11)。在这种情况下,以 samples 中的多数类
创建一个树叶(步骤12)

3.1 其他算法:
C4.5: Quinlan
Classification and Regression Trees (CART): (L. Breiman, J. Friedman, R. Olshen, C. Stone)
共同点:都是贪心算法,自上而下(Top-down approach)
区别:属性选择度量方法不同: C4.5 (gain ratio), CART(gini index), ID3 (Information Gain)

3.2 如何处理连续性变量的属性?

  1. 树剪枝叶 (避免overfitting)
    4.1 先剪枝
    4.2 后剪枝

  2. 决策树的优点:
    直观,便于理解,小规模数据集有效

  3. 决策树的缺点:
    处理连续变量不好
    类别较多时,错误增加的比较快
    可规模性一般

你可能感兴趣的:(1.机器学习与算法笔记)