机器学习——决策树

理解

决策树是一种分类方法，像一棵树一样进入不同的分支，然后直到叶子节点得到分类结果。那么如何进入不同的分支？这就是最重要的内容，涉及到节点（特征）的划分标准，有三种：最大信息增益、最大信息增益率、基尼系数。而这三种不同的划分标准就对应了三种典型决策树：ID3（最大信息增益）、C4.5（最大信息增益率）、CART（基尼系数）

决策树优缺点

优点：

• 决策树易于理解和实现。

• 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

• 能够同时处理数据型和常规型属性。

• 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

• 对缺失值不敏感

• 可以处理不相关特征数据

• 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
  缺点：

• 对连续性的字段比较难预测

• 对有时间顺序的数据，需要很多预处理的工作

• 当类别太多时，错误可能就会增加的比较快

• 在处理特征关联性比较强的数据时表现得不是太好

决策树概况

决策树（decision tree）是一个树结构（可以是二叉树或非二叉树）。其每个非叶节点表示一个特征属性上的测试，每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直到到达叶子节点，将叶子节点存放的类别作为决策结果。
决策树有两大优点：

1. 决策树模型可读性好，具有描述性，有助于人工分析
2. 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
   决策树涉及到节点（特征）的划分标准，有三种：最大信息增益、最大信息增益率，基尼系数

• 信息增益：指的是使用某一个属性a进行划分后，所带来的纯度（信息熵用来度量样本集合的纯度）提高的大小。一般而言，信息增益越大，意味着使用属性a来进行划分所获得的纯度提升越大，但信息增益对取值较多的属性有所偏好。
• 信息增益率解决了特征偏好的问题
• 但是不论是信息增益还是信息增益率，存在的问题涉及对数运算，计算量大，为了解决这个问题，可以采用基尼系数作为节点划分的标准

ID3和C4.5的区别

最大的区别是划分标准的不同：ID3采用信息增益， ID4.5采用的是信息增益率
C4.5继承了ID3的优点，并在以下几个方面对ID3算法进行了改进：

1. 用信息增益率来选择属性，克服了用信息增益选择属性是偏向选择多的属性的不足
2. 在树的构造过程中进行剪枝
3. 能够对连续的属性进行离散化处理
4. 能够对不完整的数据进行处理

树模型对离散特征怎么处理的

树模型是要寻找最佳分裂点，对于离散特征，树模型会评估每个离散值的信息增益，将信息增益最大的数值作为分裂点，因此，树模型不需要对离散特征进行事先one-hot处理，否则会使特征维度增大且稀疏，不仅会增加模型的计算量，而且会损失数据的信息量造成模型的效果不佳，以及过拟合的风险。也不需要进行归一化处理。

决策树出现过拟合的原因及解决办法

原因：

• 在决策树构建的过程中，对决策树的绳子没有进行合理的限制
• 样本中有一些噪声数据，没有对噪声数据进行有效的剔除
  解决办法:
• 选择合理的参数进行剪枝，可以分为预剪枝和后剪枝，我们一般采用后剪枝的方法
• 利用K-folds交叉验证，将训练集分为K份，然后进行K此交叉验证
• 减少特征，计算每一次特征和响应变量的相关性，常见的皮尔逊相关系数，将相关性较小的变量剔除

如何对决策树进行剪枝

剪枝是防止决策树过拟合的方法。
剪枝的策略
剪枝分为预剪枝和后剪枝两种，预剪枝是在构建决策树时抑制它的生长，后剪枝是决策树生长完全后再对叶子节点进行修剪
预剪枝

• 设置一个树的最大高度或者为树设置一个最大节点数，达到这个值即停止生长

• 对每个叶子节点的样本数设置最小值吗，生长时叶子节点样本数不能小于这个值

• 判断每次生长对系数性能是否有益
  后剪枝

• 错误率降低剪枝

• 悲观剪枝

• 代价复杂度剪枝
  预剪枝和后剪枝的优缺点比较

• 时间成本方面，预剪枝在训练过程中即进行剪枝，后剪枝要在决策树完全生长后自底向上逐一考察。显然，后剪枝训练时间更长。预剪枝更适合解决大规模问题。

• 剪枝的效果上，预剪枝的常用方法本质上是基于贪心的思想，但贪心法却可能导致欠拟合，后剪枝的欠拟合风险很小，泛化性能更高

• 另外，预剪枝的有些方法使用了阈值，如何设置一个合理的阈值也是比较复杂的

• 后剪枝错误率降低剪枝的方法比较直观，从下至上遍历所有非叶子节点的子树，每次把子树剪枝（所有数据归到该节点，将数据中最多的类设为结果），与之前的树在验证集上的准确率进行比较，如果有提高，则剪枝，否则不剪，直到所有非叶子节点被遍历完

决策树不需要归一化处理

概率模型不需要归一化，因为他们 不关心变量的值，而是关心变量的分布和变量之间的条件概率。决策树是一种概率模型，数值缩放，不影响分裂点位置。所以一般不对其进行归一化处理

决策树与逻辑回归的区别

• 对于拥有缺失值的数据，决策树可以应对，而逻辑回归需要挖掘人员预先对缺失数据进行处理
• 逻辑回归对数据整体结构的分析优于决策树，而决策树对局部结构的分析优于逻辑回归
• 逻辑回归擅长分析线性关系，而决策树对线性关系的把握较差。线性关系在实践中有很多优点：简洁，易理解，可以在一定程度上防止对数据的过度拟合
• 逻辑回归对极值比较敏感，容易受极端值的影响，而决策树在这方面表现较好
• 执行速度上：当数据量很大的时候，逻辑回归的执行速度非常慢，而决策树的运行速度明显快于逻辑回归。

决策树的损失函数

设决策树T的叶结点个数为$|T|$，t是树T的叶结点，该叶结点有$N_t$个样本点，其中k类的样本点有$N_{tk}$个，$k=1,2,...,K,H_t(T)$为叶节点t上的经验熵，$\alpha >=0$为参数，则决策树学习的损失函数可以定义为：
$L_{\alpha }(T)={\sum }_{t=1}^{|T|}{N}_t{H}_t(T)+\alpha |T|$
其中经验熵为：
$H_t(T)=-{\sum }_k\frac{N_{tk}}{N_t}\log \frac{N_{tk}}{N_t}$

公式中$H_t(T)$可以理解为这个叶子节点的熵。如果把决策树一直划分下去，叶子节点的熵应该为0，只有一个类。但是如果使用一些剪枝规则，每个节点中仍然可以有熵值，也就是可以继续划分
$N_t$是这个节点中的样本个数，可以看作这个节点的权重。节点中样本数越多，这个值就越小。
后面一项是对整颗树的复杂度的惩罚项，结点数越多，越复杂。相当于一个正则项，也可以理解为先验概率：较小的树有较大的先验概率。