决策树（信息熵、信息增益、信息增益率、基尼值和基尼指数、剪枝）

决策树（信息熵、信息增益、信息增益率、基尼值和基尼指数、剪枝）

---

一、概述

决策树(decision tree) 是一类常见的机器学习方法，是基于树结构来进行决策的，也称“判定树”。

一棵决策树包含一个根结点、若干个内部结点和若干个叶结点：

• 叶结点对应决策结果
• 其他每个结点则对应于一个属性测试

每个结点包含的样本集合根据属性测试的结果被划分到子结点中，根结点包含样本全集。从根结点到每个叶结点的路径对应了一个判定测试序列。其基本流程遵循简单且直观的"分而治之" (divide-and-conquer) 策略。

决策树的生成是一个递归过程，有三种情形会导致递归返回:

• 当前结点包含的样本全属于同一类别，无需划分
• 当前属性集为空，或是所有样本在所有属性上取值相同，无法划分—>把当前结点标记为叶结点，并将其类别设定为该结点所含样本最多的类别
• 当前结点包含的样本集合为空，不能划分—>把当前结点标记为叶结点，并将其类别设定为其父结点所含样本最多的类别

一棵仅有一层划分的决策树，亦称"决策树桩" (decision stump)。

---

二、信息熵

决策树生成中的关键问题：如何选择最优划分属性。

一般而言，随着划分过程不断进行，我们希望决策树的分支结点所包含的样本尽可能属于同一类别，即结点的"纯度" (purity) 越来越高。

"信息熵" (information entropy) 是度量样本集合纯度最常用的一种指标。假定当前样本集合中第k类样本所占的比例为 Pk (k = 1, 2,. . . , IYI) ，则的信息熵定义为：

信息熵的值越小，代表样本集合D的纯度越高。

---

三、信息增益

假定离散属性 a 有 V 个可能的取值{a1,a2,…,av}，若使用 a 来对样本集 D 进行划分，则会产生 V 个分支结点。其中第 v 个分支结点包含了 D 中所有在属性 a 上取值为 av 的样本，记为 Dv。我们可计算出Dv的信息熵，再考虑到不同的分支结点所包含的样本数不同，给分支结点赋予权重 IDvI / IDI，即样本数越多的分支结点的影响越大，于是可计算出用属性 a 对样本集 D 进行划分所获得的"信息增益" (information gain) 定义为：

某个属性计算得到的信息增益越大，则意味着使用该属性来进行划分所获得的"纯度提升"越大。因此，可以用信息增益来进行决策树的划分属性选择。

著名的 ID3 决策树学习算法[Quinlan 1986] 就是以信息增益为准则来选择划分属性。

---

四、信息增益率

实际上，信息增益准则对可取值数目较多的属性有所偏好，为减少这种偏好可能带来的不利影响，著名的 C4.5 决策树算法 [Quinlan 1993J 不直接使用信息增益，而是使用"信息增益率" (gain ratio) 来选择最优划分属性。信息增益率定义为：

IV(a) 称为属性a的"固有值" (intrinsic value)。属性a的可能取值数目越多，则 IV(a) 的值通常会越大。

需注意的是，增益率准则对可取值数目较少的属性有所偏好。因此 C4.5 算法并不是直接选择增益率最大的候选划分属性，而是使用了一个启发式：先从候选划分属性中找出信息增益高于平均水平的属性，再从中选择增益率最高的。

---

五、基尼值和基尼指数

CART 决策树 [Breiman et al., 1984] 使用"基尼指数" (Gini index) 来选择划分属性。数据集 D 的纯度可用基尼值来度量，定义为：

直观的讲， 基尼值 Gini(D) 反映了从数据集 D 中随机抽取两个样本，其类别标记不一致的概率。因此，基尼值 Gini(D) 越小，则数据集 D 的纯度越高。针对某一具体属性 a ，其基尼指数定义为：

在候选属性集合中，选择那个使得划分后基尼指数最小的属性作为最优划分属性。

---

六、剪枝

剪枝(pruning) 是决策树学习算法**对付"过拟合"**的主要手段。剪枝操作可以通过主动去掉一些分支来降低过拟合的风险。

决策树剪枝的基本策略有**“预剪枝” (prepruning) 和"后剪枝"(post pruning)。**

6.1 预剪枝

预剪枝是指在决策树生成过程中，对每个结点在划分前先进行估计，若当前结点的划分不能带来决策树泛化性能提升，则停止划分并将当前结点标记为叶结点。

• 优点：预页剪枝使得决策树的很多分支都没有展开，这不仅降低了过拟合的风险，还显著减少了决策树的训练时间开销和测试时间开销。
• 缺点：有些分支的当前划分虽不能提升泛化性能、甚至可能导致泛化性能暂时下降。但在其基础上进行的后续划分却有可能导致性能显著提高。预剪枝基于"贪心"本质禁止这些分支展开，给预剪枝决策树带来了欠拟含的风险。

6.2 后剪枝

后剪枝是先从训练集生成一棵完整的决策树，然后自底向上地对非叶结点进行考察，若将该结点对应的子树替换为叶结点能带来决策树泛化性能提升，则将该子树替换为叶结点。

后剪枝决策树通常比预剪枝决策树保留了更多的分支。

• 优点：后剪枝决策树的欠拟合风险很小，泛化能力往往优于预剪枝决策树。
• 缺点：后剪枝过程是在生成完全决策树之后进行的，并且要自底向上地对树中的所有非叶结点进行逐一考察，因此其训练时间开销比未剪枝决策树和预剪枝决策树都要大得多。

---