前面我们了解了决策树的概念，现在来了解一下决策树剪枝。可能会有人问：为什么要剪枝?答案是：如果一棵决策树完全生长，那么这棵决策树所对应的每一个叶节点中只会包含一个样本，就很有可能面临过拟合问题，因此就需要我们对这棵决策树进行剪枝，以此来提高此决策树模型的泛化能力。
一般情况下，可以使用以下两类方法对决策树进行剪枝，缩小决策树的规模:
一、预剪枝：
预剪枝的核心思想是在树中节点进行扩展之前，先计算当前的划分是否能提升模型泛化能力，如果不能，则不再继续生长子树。此时可能出现不同类别的样本同时存于节点中的情况，可以通过使用多数投票的原则对该节点所属类别进行判断。关于预剪枝何时停止决策树的生长，可以采用以下几种方法：
(1) 当树达到一定深度的时候，停止树的生长;
(2) 当到达当前节点的样本数量比某个阈值小的时候，停止树的生长;
(3) 计算决策树的每一次分裂能否提升测试集的准确度，当提升程度小于某个阈值的时候，不再继续生树的长。
预剪枝具有思想直接、算法简单、效率高等一系列特点，适合解决大规模数据的问题。但是，对于上述阈值，需要一定的经验来进行判断。另外，预剪枝存在欠拟合风险。这是因为，虽然当前的划分会导致测试集准确率降低或提升不高，但在之后的划分中，准确率会有显著提升也不无可能。
二、后剪枝：
后剪枝的核心思想是先让算法生成一颗完全生长的决策树，然后自底层向上计算是否进行剪枝操作。后剪枝也需要通过在测试集上的准确率来进行判断，如果剪枝之后，能够提升准确率，则进行剪枝。
具体操作：
1.如果存在任一子集是一棵树，则在该子集递归剪枝过程
2.计算不合并的误差
3.如果合并会降低误差的话，就将叶节点合并
在回归树一般用总方差计算误差(即用叶子节点的值减去所有叶子节点的均值)。
相比于预剪枝，后剪枝的泛化能力更强，但是计算开销会更大。
后剪枝方法： 错误率降低剪枝(Reduced Error Pruning,REP)、悲观剪枝(Pessimistic Error Pruning,PEP)、代价复杂度剪枝(Cost Complexity Pruning,CCP)、最小误差剪枝(Minimum Error Pruning,MEP)、CVP(Critical Value Pruning)、OPP(Optimal Pruning)等。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
本人基本情况： 学校及专业：厦门大学经济学院应用统计 实习经历：快手数据分析、字节数据分析、百度数据分析 Offer情况：北京 ...
2025-01-3001专家简介 徐杨老师，CDA数据科学研究院教研副总监，主要负责CDA认证项目以及机器学习/人工智能类课程的研发与授课，负责过中 ...
2025-01-29持证人简介 郭畅，CDA数据分析师二级持证人，安徽大学毕业，目前就职于徽商银行总行大数据部，两年工作经验，主要参与两项跨部 ...
2025-01-282025年刚开启，知乎上就出现了一个热帖： 2024年突然出现的经济下行，使各行各业都感觉到压力山大。有人说，大环境越来越不好了 ...
2025-01-27在数据分析的世界里，“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服，效果不一样。 很多人都听过“货比三 ...
2025-01-26数据指标体系 “数据为王”相信大家都听说过。当前，数据信息不再仅仅是传递的媒介，它成为了驱动经济发展的新燃料。对于企业而 ...
2025-01-26在职场中，当你遇到问题的时候，如果感到无从下手，或者抓不到重点，可能是因为你掌握的思维模型不够多。 一个好用的思维模型， ...
2025-01-25俗话说的好“文不如表，表不如图”，图的信息传达效率很高，是数据汇报、数据展示的重要手段。好的数据展示不仅需要有图，还要选 ...
2025-01-24数据分析报告至关重要 一份高质量的数据分析报告不仅能够揭示数据背后的真相，还能为企业决策者提供有价值的洞察和建议。 年薪70 ...
2025-01-24又到一年年终时，各位打工人也迎来了展示成果的关键时刻 —— 年终述职。一份出色的年终述职报告，不仅能全面呈现你的工作价值， ...
2025-01-23“用户旅程分析”概念 用户旅程图又叫做用户体验地图，它是用于描述用户在与产品或服务互动的过程中所经历的各个阶段、触点和情 ...
2025-01-22在竞争激烈的商业世界中，竞品分析对于企业的发展至关重要。今天，我们就来详细聊聊数据分析师写竞品分析的那些事儿。 一、明确 ...
2025-01-22在数据分析领域，Excel作为一种普及率极高且功能强大的工具，无疑为无数专业人士提供了便捷的解决方案。尽管Excel自带了丰富的功 ...
2025-01-17在这个瞬息万变的时代，许多人都在寻找能让他们脱颖而出的职业。而数据分析师，作为大数据和人工智能时代的热门职业，自然吸引了 ...
2025-01-14Python作为一门功能强大的编程语言，已经成为数据分析和可视化领域的重要工具。无论你是数据分析的新手，还是经验丰富的专业人士 ...
2025-01-10完全靠数据决策，真的靠谱吗？ 最近几年，“数据驱动”成了商界最火的关键词之一，但靠数据就能走天下？其实不然！那些真正成功 ...
2025-01-09SparkSQL 结构化数据处理流程及原理是什么？Spark SQL 可以使用现有的Hive元存储、SerDes 和 UDF。它可以使用 JDBC/ODB ...
2025-01-09在如今这个信息爆炸的时代，数据已然成为企业的生命线。无论是科技公司还是传统行业，数据分析正在深刻地影响着商业决策以及未来 ...
2025-01-08“数据为王”相信大家都听说过。当前，数据信息不再仅仅是传递的媒介，它成为了驱动经济发展的新燃料。对于企业而言，数据指标体 ...
2025-01-07在职场中，当你遇到问题的时候，如果感到无从下手，或者抓不到重点，可能是因为你掌握的思维模型不够多。 一个好用的思维模型， ...
2025-01-06
