一、CART(Classification And Regression Tree)
CART算法既可以用于分类还可以用于回归,CART树的生成就是递归构建二叉决策树的过程,对于回归树用平方误差最小化准则,对于分类树用基尼指数(Gini index)最小化准则,进行特征选择,生成二叉树。
1.1 回归树的生成
1.2 分类树的生成
1.2.1 基尼指数
1.2.2 分类树的生成
1.3 树回归的一般方法
(1) 收集数据:采用任意方法收集数据;
(2) 准备数据:需要数值型的数据,标称型数据应该映射成二值型数据;
(3) 分析数据:绘出数据的二维可视化显示结果,以字典方式生成树;
(4) 训练算法:大部分时间都花费在叶节点树模型的构建上;
(5)测试算法:使用测试数据上的R^2(相关系数) 值来分析模型的效果;
(6)使用算法:使用训练出的树做预测,预测結果还可以用来做很多事情。
二、CART算法用于回归
2.1 代码实现
# -*- coding: utf-8 -*-
"""
Created on Mon May 7 19:27:00 2018
CART算法的实现代码
@author: lizihua
"""
from numpy import *
import matplotlib.pyplot as plt
#加载数据
def loadDataSet(fileName):
dataMat = []
fr = open(fileName)
for line in fr.readlines():
curLine = line.strip().split("\t")
fltLine = list(map(float,curLine))
dataMat.append(fltLine)
return dataMat
#在给定的特征和特征值的情况下,通过数组过滤的方式将上述数据分成二个子集返回
def binSplitDataSet(dataSet, feature, value):
mat0 = dataSet[nonzero(dataSet[:,feature]>value)[0],:]
mat1 = dataSet[nonzero(dataSet[:,feature]<=value)[0],:]
return mat0,mat1
#创建叶结点,此时数据不能继续切分
def regLeaf(dataSet):
return mean(dataSet[:,-1])
#创建
def regErr(dataSet):
return var(dataSet[:,-1])*shape(dataSet)[0]
#errType:计算总方差(平方误差和)函数 = regErr
#ops:用户定义的参数构成的元组,用来完成树