决策树算法（有监督学习算法）

一、决策树基础
   决策树（Decision Tree）算法是根据数据的属性采用树状结构建立决策模型，这个模型可以高效的对未知的数据进行分类。决策树模型常常用来解决分类和回归问题。如今决策树是一种简单但是广泛使用的分类器。常见的算法包括 CART (Classification And Regression Tree)、ID3、C4.5、随机森林 (Random Forest) 等。
   以下面一个经典的案例来说明决策树分类的思想，有点像女孩子找对象，一定要找到一个合适的类型（类别）！！现想象一个女孩的母亲要给这个女孩介绍男朋友，于是有了下面的对话：

    女儿：多大年纪了？
    母亲：26。
    女儿：长的帅不帅？
    母亲：挺帅的。
    女儿：收入高不？
    母亲：不算很高，中等情况。
    女儿：是公务员不？
    母亲：是，在税务局上班呢。
    女儿：那好，我去见见。

  这个女孩最终选择的分类有两种，见或不见，但是判断的属性有好几种，比如年龄、长相、收入、公务员。根据这些对象属性分别进行依次判断，分支的箭头有各个属性满足的条件。
  由上面可以看出，决策树是附加概率结果的一个树状的决策图，是直观的运用统计概率分析的图法。机器学习中决策树是一个预测模型，它表示对象属性和对象值之间的一种映射，树中的每一个节点表示对象属性的判断条件，其分支表示符合节点条件的对象。树的叶子节点表示对象所属的预测结果。同时，可知决策树的决策过程非常直观，容易被人理解。目前决策树已经成功运用于医学、制造产业、天文学、分支生物学以及商业等诸多领域。

二、决策树的建立
2.1、决策树构造简介
  构建决策树的过程就是选择合适的分裂属性的过程。选择一个合适的分裂属性作为判断节点，可以快速对数据进行分类，减少决策树的深度。决策树的目标就是把数据集按对应的类标签进行分类。最理想的情况是，通过分裂属性的选择能把不同类别的数据集贴上对应类标签。特征属性选择的目标使得分类后的数据集比较纯（即让各个分裂子集尽可能地“纯”）。尽可能“纯”就是尽量让一个分裂子集中待分类项属于同一类别。故决策树构建的基本步骤如下：
  （1）开始，所有记录看作一个节点；
  （2）遍历每个变量的每一种分割方式，找到最好的分割点；
  （3）分割成两个节点N1和N2；
  （4）对N1和N2分别继续执行2-3步，直到每个节点足够“纯”为止。
  决策树的变量可以有两种：（a） 数字型（Numeric）：变量类型是整数或浮点数，如“年收入”。用“>=”，“>”,“<”或“<=”作为分割条件（排序后，利用已有的分割情况，可以优化分割算法的时间复杂度）。（b） 名称型（Nominal）：类似编程语言中的枚举类型，变量只能重有限的选项中选取，比如“婚姻情况”，只能是“单身”，“已婚”或“离婚”。使用“=”来分割。
  构造决策树的关键性内容是进行属性选择度量，属性选择度量是一种选择分裂准则，是将给定的类标记的训练集合的数据划分D“最好”地分成个体类。属性选择度量算法（即量化纯度的算法）有很多。下面将介绍两种常用的方法。
2.2、属性选择度量算法
  属性选择方法总是选择最好的属性最为分裂属性，即让每个分支的记录的类别尽可能纯。它将所有属性列表的属性进行按某个标准排序，从而选出最好的属性。属性选择方法很多，这里介绍三个常用的方法：信息增益（Information gain）、增益比率（gain ratio）、基尼指数（Gini index）。
1、信息增益（ID3算法）
  信息熵表示的是不确定度。均匀分布时，不确定度最大，此时熵就最大。当选择某个特征对数据集进行分类时，分类后的数据集信息熵会比分类前的小，其差值表示为信息增益。信息增益可以衡量某个特征对分类结果的影响大小。
  假设在样本数据集 D 中，混有 c 种类别的数据。构建决策树时，根据给定的样本数据集选择某个特征值作为树的节点。在数据集中，可以计算出该数据中作用前的信息熵计算公式：

  其中 D 表示训练数据集，c 表示数据类别数，Pi 表示类别 i 样本数量占所有样本的比例。
  对应数据集 D，选择特征属性 A 作为决策树判断节点时，在特征 属性A 作用后的信息熵的为 Info(D)，计算公式如下：

  其中 v 表示样本 D 被分为 v 个部分。
  信息增益表示数据集 D 在特征 A 的作用后，其信息熵减少的值。公式如下：

  对数据集中每个特征属性进行信息增益计算，选择gain()值最大的特征属性作为决策树节点最合适的特征属性选择。下面以一个案例（不真实账号检测）为例来进行说明如何利用信息增益来进行特征属性的选择：

  其中s、m和l分别表示小、中和大。 设L、F、H和R表示日志密度、好友密度、是否使用真实头像和账号是否真实，下面计算各属性的信息增益。首先计算数据集作用前的信息熵：

  然后计算各个特征属性作为判断节点的信息增益：

  因此日志密度的信息增益是0.276。用同样方法得到H和F的信息增益分别为0.033和0.553。所以F具有最大的信息增益，所以第一次选择F属性作为分裂属性，分裂后的结果如下图所示：

  在上图的基础上，再递归使用这个方法计算子节点的分裂属性，最终就可以得到整个决策树。
  上面为了简便，将特征属性离散化了，其实日志密度和好友密度都是连续的属性。对于特征属性为连续值，可以如此使用ID3算法：先将D中元素按照特征属性排序，则每两个相邻元素的中间点可以看做潜在分裂点，从第一个潜在分裂点开始，分裂D并计算两个集合的期望信息，具有最小期望信息的点称为这个属性的最佳分裂点，其信息期望作为此属性的信息期望。
2、增益比率（C4.5算法）
  信息增益选择方法有一个很大的缺陷，它总是会倾向于选择属性值多的属性，如果我们在上面的数据记录中加一个账号名属性，假设10条记录中的每个账号名不同，那么信息增益就会选择账号名作为最佳属性，因为按账号名分裂后，每个组只包含一条记录，而每个记录只属于一类（要么账号真实要么不真实），因此纯度最高，以账号名作为测试分裂的结点下面有10个分支。但是这样的分类没有意义，它没有任何泛化能力。增益比率对此进行了改进，它引入一个分裂信息：

  其中各符号意义与信息增益算法相同，然后，增益率被定义为：

  增益比率选择具有最大增益率的属性作为分裂属性，其具体应用与信息增益算法类似。

三、决策树的相关问题
3.1、分类什么时候停止？
  决策树的构建过程是一个递归的过程，所以需要确定停止条件，否则过程将不会结束。一种最直观的方式是当每个子节点只有一种类型的记录时停止，但是这样往往会使得树的节点过多，导致过拟合问题（Overfitting）。另一种可行的方法是当前节点中的记录数低于一个最小的阀值，那么就停止分割，将max(P(i))对应的分类作为当前叶节点的分类。
3.2、如果属性分类用完了怎么办？
  在决策树构造过程中可能会出现这种情况：所有属性都作为分裂属性用光了，但有的子集还不是纯净集，即集合内的元素不属于同一类别。在这种情况下，由于没有更多信息可以使用了，一般对这些子集进行“多数表决”，即使用此子集中出现次数最多的类别作为此节点类别，然后将此节点作为叶子节点。
3.3、过度拟合出现的原因？
  采用上面算法生成的决策树在事件中往往会导致过度拟合。也就是该决策树对训练数据可以得到很低的错误率，但是运用到测试数据上却得到非常高的错误率。过度拟合的原因有以下几点：
  （1）噪音数据：训练数据中存在噪音数据，决策树的某些节点有噪音数据作为分割标准，导致决策树无法代表真实数据。
  （2）缺少代表性数据：训练数据没有包含所有具有代表性的数据，导致某一类数据无法很好的匹配，这一点可以通过观察混淆矩阵（Confusion Matrix）分析得出。
  （3）多重比较：决策树需要在每个变量的每一个值中选取一个作为分割的代表，所以选出一个噪音分割标准的概率是很大的。
3.4、如何解决存在的过度拟合的问题？
1、修剪枝叶
  决策树过渡拟合往往是因为太过“茂盛”，也就是节点过多，所以需要裁剪（Prune Tree）枝叶。裁剪枝叶的策略对决策树正确率的影响很大。主要有两种裁剪策略：
  （1）前置裁剪 在构建决策树的过程时，提前停止。那么，会将切分节点的条件设置的很苛刻，导致决策树很短小。结果就是决策树无法达到最优。实践证明这中策略无法得到较好的结果。
  （2）后置裁剪 决策树构建好后，然后才开始裁剪。采用两种方法：（a）用单一叶节点代替整个子树，叶节点的分类采用子树中最主要的分类；（b）将一个字数完全替代另外一颗子树。后置裁剪有个问题就是计算效率，有些节点计算后就被裁剪了，导致有点浪费。
2、K层交叉验证
  首先计算出整体的决策树T，叶节点个数记作N，设i属于[1,N]。对每个i，使用K-Fold Validataion方法计算决策树，并裁剪到i个节点，计算错误率，最后求出平均错误率。这样可以用具有最小错误率对应的i作为最终决策树的大小，对原始决策树进行裁剪，得到最优决策树。
3、随机森林
  Random Forest是用训练数据随机的计算出许多决策树，形成了一个森林。然后用这个森林对未知数据进行预测，选取投票最多的分类。实践证明，此算法的错误率得到了经一步的降低。这种方法背后的原理可以用“三个臭皮匠定一个诸葛亮”这句谚语来概括。一颗树预测正确的概率可能不高，但是集体预测正确的概率却很高。
4、 及早停止增长树法，在ID3算法完美分类训练数据之前停止增长树。

四、决策树的优缺点
4.1、决策树的优点
相对于其他数据挖掘算法，决策树在以下几个方面拥有优势：
  （1） 决策树易于理解和实现. 人们在通过解释后都有能力去理解决策树所表达的意义。
  （2） 对于决策树，数据的准备往往是简单或者是不必要的 。其他的技术往往要求先把数据一般化，比如去掉多余的或者空白的属性。
  （3） 能够同时处理数据型和常规型属性。其他的技术往往要求数据属性的单一。
  （4） 在相对短的时间内能够对大型数据源做出可行且效果良好的结果。
  （5） 对缺失值不敏感。
  （6） 可以处理不相关特征数据。
  （7） 效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。
4.2、决策树的缺点
  （1）对连续性的字段比较难预测。
  （2）对有时间顺序的数据，需要很多预处理的工作。
  （3）当类别太多时，错误可能就会增加的比较快。
  （4）一般的算法分类的时候，只是根据一个字段来分类。
  （5）在处理特征关联性比较强的数据时表现得不是太好。