相同点
均由特征选择,树的生成,剪枝组成。
不同点
提出时间
1979,1986年提出的ID3。
1984年提出的CART。
1993年提出的C4.5。
样本数据
样本数据——缺失值
ID3对缺失值敏感,而C4.5和CART对缺失值可以进行多种方式的处理。
样本数据——连续值
ID3只能对分类自变量进行处理,C4.5和CART可以处理连续和分类两种自变量。
ID3不能直接处理连续型特征,只能事先将连续型特征转为离散型,才能在ID3中使用。但这种转换过程会破坏连续型变量的内在性质。故使用二元切分法,具体的处理方法是: 如果特征值大于给定值就走左子树,否则走右子树。另外二元切分法也节省了树的构建时间。
C4.5采用了相邻数值平均值离散化的方式,这样就会具有多个切分点。
CART本身就可以处理连续型数值。
样本数据——样本量
小样本建议考虑C4.5、大样本建议考虑CART。
C4.5处理过程中需对数据集进行多次排序,处理成本耗时较高。
CART本身是一种大样本的统计方法,小样本处理下泛化误差较大。
样本特征
样本特征——使用次数
ID3 和 C4.5 层级之间只使用一次特征,CART 可多次重复使用特征;
样本特征——划分标准
ID3 使用信息增益偏向