1 决策树算法(Decision Tree)是从训练数据集中归纳出一组分类规则的过程。
实际操作中,与训练数据集不相矛盾的决策树可能有多个,也可能一个都没有;理想情况是找到一个与训练数据矛盾较小的决策树,同时也具有良好的泛化能力。
2 决策树结构:
有向边
节点
-内部节点: 数据的特征
-叶节点:数据的类别
决策树准则:每个实例都被一条路径覆盖,且仅被一条路径覆盖
3 决策树算法过程
特征选择
决策树生成过程就是划分数据集的过程,合适地选取特征能帮助我们将数据集从无序数据组织为有序;
有很多方法可以划分数据集,决策树算法根据信息论来度量信息;
信息论中有很多概念,不同的决策树生成算法使用不同的信息论概念来进行特征选择。
决策树生成
有诸如ID3, C4.5, CART等算法用于生成决策树;
ID3和CART4.5的差别在于用于特征选择的度量的不同
-ID3使用信息增益进行特征选择
-C4.5使用信息增益比进行特征选择
-以上两个算法流程:迭代的寻找当前特征中最好的特征进行数据划分,直到所有特征用尽或者划分后的数据的熵足够小。
ID3核心思想:信息增益越大说明该特征对于减少样本的不确定性程度的能力越大,也就代表这个特征越好。
C4.5核心思想:某些情况(比如按照身份证号、信用卡号、学号对数据进行分类)构造的树层数太浅而分支又太多,而这样的情况对数据的分类又往往没有意义,所以引入信息增益比来对分支过多的情况进行适当“惩罚”。具体情景解释可见这篇博客
CART我还没了解过,暂不介绍
4 决策树生成算法得到的树对训练数据的分类很准确,但对未知数据的分类却没那么准确,容易过拟合;因为决策树考虑的特征太多,构建得太复杂。
所以我们需要对决策树进行剪枝:从已生成的树上裁掉一些子树或叶节点,并将其根节点或父节点作为新的叶节点,以此简化树。
剪枝算法很多,这里引入一种简单的:极小化决策树整体的损失函数。
设树 T 的叶节点个数为 |T|, t 是树 T 的叶节点,该叶节点有Nt
个样本点,其中 k 类的样本点有Ntk个, k = 1,2,…,k, Ht(T)是叶节点 t 上的经验熵,α≥0
为参数,决策树的损失函数可定义如下
而经验熵为
其中,为了简洁,令
所以,上面的损失函数可以记为
各个符号定义如下:
C(T) 表示模型对训练数据的预测误差,即拟合程度
|T| 表示模型复杂度
α
控制以上两者之间的平衡
当α
确定时,树越大,与训练数据的拟合就越好,C(T)越小,但是树的复杂度也会上升,|T| 上升;而树越小,树的复杂度就越低,|T| 越小,但往往和训练数据的拟合程度不好,C(T) 又会上升
较大的α
使得生成较简单的树,较小的α使得生成较复杂的树,当α=0
,就完全不考虑树的复杂度了,相当于不进行剪枝操作
决策树生成只考虑提高信息增益来更好拟合训练数据,但决策树剪枝则通过优化损失函数来减少树的复杂度;可以说决策树生成学习的是局部模型,而决策树剪枝学习的是整体模型
剪枝算法流程
计算每个节点的经验熵
递归地从树的叶节点向上回缩:设一组叶节点
回缩到父节点前后的整体树分别是TB
和TA,其对应的损失函数值分别是Cα(TB)和Cα(TA)
,如果
那么将父节点变为新的叶节点,即剪枝
重复执行步骤2,直到不能再继续为止,得到损失函数最小的子树Tα
5
代码部分,先挖个坑。。。过段时间回来填
数据分析咨询请扫描二维码
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20