ML《决策树（三）CART》
上一篇我们学习的ID3和C4.5算法，今天我们来看看CART（classification and regression tree）算法。
从名字上也能看出来，它是分类和回归树。
本文参考以及采用了很多其他博主的文字，因为自己觉得他们写的很好，自己做了归纳和整理，汲取百家之长。
其实这会儿是有点困了，因为自己也在忙完工作后有点累，也是不停地站东脑子去学习算法，也在思考这三种决策树算法的区别和相似处，经过百度呢，也是大同小异，所以今天偷个懒，哈哈，就当是自己按照自己的理解思路整理整理，免得后面忘记了。当然了，我也会添加一些自己的思考和理解咯。
华丽分割线
一：概述
1：CART树是二叉树
2：CART既可以作为分类树，也可以作为回归树。
3：当预测离散值的时候，就是分类问题，这时候建立的树就是分类树，属性分裂的依据是GINI系数；当预测连续值的时候，就是回归问题，这时候建立的树就是回归树，属性分裂的依据是样本的最小方差。
华丽分割线
二：对某个属性A进行切分
这里分两种情况
1：该属性值是离散值
思路是不停二分属性，且是天然的类别划分。
在ID3、C4.5，特征A被选取建立决策树节点，如果它有3个类别A1,A2,A3，我们会在决策树上建立一个三叉点，这样决策树是多叉树。
CART采用的是不停的二分。会考虑把特征A分成{A1}和{A2,A3}、{A2}和{A1,A3}、{A3}和{A1,A2}三种情况，找到基尼系数最小的组合，比如{A2}和{A1,A3}，然后建立二叉树节点，一个节点是A2对应的样本，另一个节点是{A1,A3}对应的样本。由于{A1,A3}这次没有把特征A的取值完全分开，后面还有机会对子节点继续选择特征A划分A1和A3。这和ID3、C4.5不同，在ID3或C4.5的一颗子树中，离散特征只会参与一次节点的建立。
2：该属性值是连续值
将连续值离散化的思想和C4.5相同。唯一区别在选择划分点时，C4.5是信息增益比，CART是基尼系数。
具体思路：m个样本的连续特征A有m个，从小到大排列a1，a2，…，am，则CART取相邻两样本值的平均数做划分点，一共取m-1个，其中第i个划分点Ti表示为：Ti = (ai + ai+1)/2。分别计算以这m-1个点作为二元分类点时的基尼系数。选择基尼系数最小的点为该连续特征的二元离散分类点。比如取到的基尼系数最小的点为at，则小于at的值为类别1，大于at的值为类别2，这样就做到了连续特征的离散化。
以上就实现了将连续特征值离散化，但是CART与ID3，C4.5处理离散属性不同的是：如果当前节点为连续属性，则该属性（剩余的属性值）后面还可以参与子节点的产生选择过程。
华丽分割线
三：CART分类树
ID3中使用了信息增益选择特征，增益大优先选择。
C4.5中，采用信息增益比选择特征，减少因特征值多导致信息增益大的问题。
CART分类树算法使用基尼系数来代替信息增益比，基尼系数代表了模型的不纯度，基尼系数越小，不纯度越低，特征越好。这和信息增益（比）相反。
下面的式子就是展示了，如果计算一个样本集合D的Gini系数，以及在给定某个属性A的情况下计算经过属性二元分裂后，所得到的新的Gini系数。
当属性A是离散数值的时候：
假设属性A有V个取值，那么就会分成V个不同的二元分类，分别计算其Gini(D , A_v)，取数值最小的所对应的二元分类，作为该属性A的切分点。
当属性A是连续数值的时候：
先将属性A进行离散化，分别求二元分类后的Gini系数，找到数值最小的切分点作为该属性A的切分点。按照这样的方式，对所有的属性都这样计算，取最小的属性以及其切分点进行切分，这样就选择了一层。
由于CART对待每个属性理论上都是可以被多次切分选择，因此每一个子样本集合的处理方式都是跟原始样本的处理方式一样，隐含的递归循环处理。
ID3和C4.5对属性只能切分和选择一次，因此一次用完了后，子样本集合的属性种类选择就少了，这一点是需要注意。
CART分类树的预测方式是：当建立完成后，叶子节点的出现概率最大的类别作为输出分类。
华丽分割线
四：CART回归树
下面是其求方差的公式。
CART 分类树采用基尼系数的大小来度量特征的各个划分点。在CART回归树模型中，我们使用常见的和方差度量方式，对于任意划分属性 A，对应的任意划分点 s 两边划分成的数据集D1和 D2，求出使D1和 D2各自集合的均方差最小，同时 D1和 D2的均方差之和最小所对应的特征和特征值划分点。表达式为：
其中，c1为D1数据集的样本输出均值，c2为D2数据集的样本输出均值。
当属性A是离散数值的时候：
假设属性A有V个取值，那么就会分成V个不同的二元分类，分别计算其方差，取数值最小的所对应的二元分类，作为该属性A的切分点。
当属性A是连续数值的时候：
先将属性A进行离散化，分别求二元分类后的方差，找到数值最小的切分点作为该属性A的切分点。
CART分回归树的预测方式是：当建立完成后，叶子节点的中值/平均值/众数可以作为预测值。
华丽分割线
五：和ID3、C4.5的对比
1）划分标准的差异：ID3 使用信息增益偏向特征值多的特征，C4.5 使用信息增益率克服信息增益的缺点，偏向于特征值小的特征，CART 使用基尼指数克服 C4.5 需要求 log 的巨大计算量，偏向于特征值较多的特征。
2）使用场景的差异：ID3 和 C4.5 都只能用于分类问题，CART 可以用于分类和回归问题；ID3 和 C4.5 是多叉树，速度较慢，CART 是二叉树，计算速度很快；
3）样本数据的差异：ID3 只能处理离散数据且缺失值敏感，C4.5 和 CART 可以处理连续性数据且有多种方式处理缺失值；从样本量考虑的话，小样本建议 C4.5、大样本建议 CART。C4.5 处理过程中需对数据集进行多次扫描排序，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；
4）样本特征的差异：ID3 和 C4.5 层级之间只使用一次特征，CART 可多次重复使用特征；
5）剪枝策略的差异：ID3 没有剪枝策略，C4.5 是通过悲观剪枝策略来修正树的准确性，而 CART 是通过代价复杂度剪枝。
6）对缺失值的差异：ID3 没有缺失值策略策略，C4.5 和CART有处理缺失值策略。
7）对连续值处理的差异：ID3 没有处理连续值，C4.5 和CART有处理连续值离散化。
华丽分割线
六：决策树算法总结
这里是对ID3、C4.5、CART算法进行总结，这部分内容直接抄录自scikit-learn英文文档。
优点：
- 简单直观，生成的决策树很直观。
- 基本不需要预处理，不需要提前归一化和处理缺失值。
- 使用决策树预测的代价是O(log2m)。m为样本数。
- 既可以处理离散值也可以处理连续值。很多算法只是专注于离散值或者连续值。
- 可以处理多维度输出的分类问题。
- 相比于神经网络之类的黑盒分类模型，决策树在逻辑上可以很好解释。
- 可以交叉验证的剪枝来选择模型，从而提高泛化能力。
- 对于异常点的容错能力好，健壮性高。
缺点：
- 决策树算法非常容易过拟合，导致泛化能力不强。可以通过设置节点最少样本数量和限制决策树深度来改进。
- 决策树会因为样本发生一点的改动，导致树结构的剧烈改变。这个可以通过集成学习之类的方法解决。
- 寻找最优的决策树是一个NP难题，我们一般是通过启发式方法，容易陷入局部最优。可以通过集成学习的方法来改善。
- 有些比较复杂的关系，决策树很难学习，比如异或。这个就没有办法了，一般这种关系可以换神经网络分类方法来解决。
- 如果某些特征的样本比例过大，生成决策树容易偏向于这些特征。这个可以通过调节样本权重来改善。
华丽分割线
七：后面的学习路线
后面还要学习“集成学习”：
Bagging -> RandomForst
Boosting -> Adaboost -> GBDT -> Xgboost