决策树算法基础：ID3与C4.5-CDA数据分析师官网

决策树算法基础：ID3与C4.5

2018-08-07

决策树算法基础：ID3与C4.5

设X是一个取有限个值得离散随机变量，其概率分布为P(X=xi)=pi, i=1,2,…,n。则随机变量X的信息熵为

条件熵H(Y|X)表示在已知随机变量X的条件下随机变量Y的不确定性。H(Y|X)的计算公式为

所以决策树分支后信息总熵H(D|A)=P1*H1+P2*H2+...+Pn*Hn,(特征A条件下D的经验条件熵)

所以信息增益ΔH=H(D)-H(D|A)

H(D|A)越小，ΔH越大，该特征A越适合作为当前的决策节点。

选取最佳特征伪代码：

计算信息总熵H(D)

遍历每一个特征下的关于D的经验条件熵H(D|A)

计算每一个特征的信息增益ΔH

将信息增益ΔH最大的特征作为最佳特征选为当前决策节点

ID3算法伪代码：

如果第一个标签的数量等于所有的标签数量，说明这是一个单节点树，返回这个标签作为该节点类

如果特征只有一个，说明这是一个单节点树，用多数表决法投票选出标签返回作为该节点类

否则，按信息增益最大的特征A作为当前决策节点，即决策树父节点

如果该特征的信息增益ΔH小于阈值，则用多数表决法投票选出标签返回作为该节点类

否则，对于该特征A的每一个可能值ai，将原空间D分割为若干个子空间Di

对于若干个非空子集Di，将每个Di中实例数最大的类作为标记，构建子节点

以Di为训练空间，递归调用上述步骤

由于信息增益存在偏向于选择取值较多的特征的问题，而C4.5算法中，将ID3算法里的信息增益换成信息增益比，较好地解决了这个问题。

决策树的优点在于计算量简单，适合有缺失属性值的样本，适合处理不相关的特征。而缺点是容易过拟合，可以通过剪枝来简化模型，另外随机森林也解决了这个问题。

CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>> “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

特征决策树 D3 随机森林过拟合

数据分析咨询请扫描二维码

上一篇Python里disconnect UDP套接字的方法

下一篇零基础学习大数据的四个步骤

决策树算法基础：ID3与C4.5

CDA考试动态

CDA报考指南

热门栏目

最新资讯

数据分析师的工作内容是什么

数据分析师必须掌握的技能有哪些

数据分析入门难吗

数据分析能干啥

数据分析行业的前景

数据分析的常用方法

什么是企业数字化转型

女生做数据分析师最好去哪个行业

大数据技术专业学什么

数据分析师教程《Python数据分析极简入门》第2节 3 ...

什么行业越老越吃香

利用python进行数据分析

大数据与会计专业主要学什么

成为数据分析师需要哪些技能

python可以做数据分析吗

数据分析师的日常工作有哪些？

数据分析五种方法

数字化转型是什么意思

未来发展前景好的十大行业

统计学就业方向及前景