决策树详解

定义

决策树是一种常见的机器学习算法，它的思想十分朴素，类似于我们平时利用选择做决策的过程。

例如有人给我们介绍新的对象的时候，我们就要一个个特点去判断，于是这种判断的过程就可以画成一棵树，例如根据特点依次判断：

如上，决策的形式以树的形式进行示意和编码，就形成了决策树。

结构

显然，决策树在逻辑上以树的形式存在，包含根节点、内部结点和叶节点。
- 根节点：包含数据集中的所有数据的集合
- 内部节点：每个内部节点为一个判断条件，并且包含数据集中满足从根节点到该节点所有条件的数据的集合。根据内部结点的判断条件测试结果，内部节点对应的数据的集合别分到两个或多个子节点中。
- 叶节点：叶节点为最终的类别，被包含在该叶节点的数据属于该类别。

简而言之，决策树是一个利用树的模型进行决策的多分类模型，简单有效，易于理解。

伪代码

决策树算法的伪代码（参照了python语法）如下图所示：

# D = {(x1,y1)、(x2,y2)......(xm,yn)} 是数据集
# A = {a1、a2、a3.} 是划分节点的属性集
# 节点node有两个主要属性：content代表该节点需要分类的训练集，type代表叶节点的决策类型
def generateTree(D,A):
    newNode = 空 #生成新的节点
    # 如果当前数据集都为一个种类，则设为一个叶节点并返回
    if D 中数据皆属于类别 C:
        newNode.content = D
        newNode.type = C
        return  
    # 如果已经没有属性了或者数据集在剩余属性中表现相同（属性无法区分）
    if A = 空集 or D中数据在A中取值相同:
        newNode.content = D
        newNode.type = D中最多的类
        return
    #从A中选取最优的属性a
    a=selectBestPorperty(A)
    #为a的每一个取值生成一个节点，递归进行处理
    for a的每一个取值 res[i]:
        生成新的分支节点 node[i]
        D[i] = D中取值为res[i]的数据
        node[i].content = D[i]
        if node[i].content == null:
            node[i].type = D中最多的类
        else:
            generateTree(D[i],A - {a})
    return        

划分选择

可以看到，在伪代码中，大部分步骤都是简单而明确的，而最重要的步骤在于从A中选取最优的属性a，可以说，属性选择的质量，决定了决策树的预测准确度。这很容易理解，例如我们看一个学生聪明与否可以看他的成绩，但是如果依靠他的身高预测他是否聪明，显然得不到好的结果。

一般的原则是，希望通过不断划分节点，使得一个分支节点包含的数据尽可能的属于同一个类别，即“纯度“越来越高。

这里列出三种常用的准则。

信息增益准则

我们先对一个节点的纯度进行定义，我们将其称之为信息熵：

​

$$Ent(D)= - \sum_{k=1}^{|\gamma|}p_klog(p_k)$$

其中$p_k$代表当前节点D的数据中第k类样本所占的比例。

观察该信息熵的定义，有以下几个特点：

• 由于$p_k$都属于[0,1]，Ent(D)必定为正值，值越大说明纯度越低
• Ent(D)在k=1，$p_1$=1时取值最小值0，在$k=|\gamma|$ $p_k=\frac 1 {|\gamma|}$时取值最大值$log_2^{|\gamma|}$
• 信息熵是一个节点的固有性质，和该节点选取什么属性进行下一步的划分无关

在定义了信息熵之后，对信息增益进行定义，假设选取属性a有V个取值，$\{a^1 a^2 ...... a^V\}$，按照决策树的规则，D将被划分为V个不同的节点数据集，$D^v$代表其中第v个节点：

​

$$Gain(D,a)=Ent(D)-\sum_{v=1}^V \frac {|D^v|}{|D|}Ent(D^v)$$

观察该式，有以下几点说明：

• 第一线Ent(D)是确定的，和选取的属性a无关，我们可以将之看为定值
• $\frac {|D^v|}{|D|}$表示分支节点所占的比例大小，显然数据集越大的分支节点权重越高
• 分支节点整体纯度越大，则后一项越小，信息增益Gain变得越大，所以我们的目标是如何最大化信息增益

由此，我们得到了一种选择划分属性的方法，计算以每个属性进行划分子节点得到的信息增益，选择其中最大的作为选择的属性。

信息增益率准则

信息增益原则对于每个分支节点，都会乘以其权重，也就是说，由于权重之和为1，所以分支节点分的越多，即每个节点数据越小，纯度可能越高。这样会导致信息熵准则偏爱那些取值数目较多的属性。

为了解决该问题，这里引入了信息增益率，定义如下：

​

$$Gain_ratio(D,a)=\frac {Gain(D,a)} {IV(a)}$$

​

$$IV(a)=\sum_{v=1}^{V} {\frac{|D^v|}{|D|}log_2^{\frac{|D^v|}{|D|}}}$$

相当于引入了修正项IV(a)，它是对于属性a的固有值。

需要注意的是，信息增益率原则可能对取值数目较少的属性更加偏爱,为了解决这个问题，可以先找出信息增益在平均值以上的属性，在从中选择信息增益率最高的。

基尼指数准则

在CART决策树中，使用基尼指数来选择属性，首先定义数据集D的基尼值：

​

$$Gini(D)=\sum_{k=1}^{|\gamma|}{\sum_{k^1!=k}^{} {p_kp_{k^1}}}=1-\sum_{k=1}^{|\gamma|}{p_k^2}$$

形象的说，基尼值代表了从D中随机选择两个样本，其类别不一致的概率。

有了基尼值后，可以在此基础上定义基尼指数：

​

$$Gini_index(D,a)=\sum_{v=1}^{V}{\frac{|D^v|}{|D|}Gini(D^v)}$$

其中$D^v$的含义和之前相同，可以看出基尼指数越小，说明纯度越高，我们可以通过选择基尼指数小的属性来划分子节点。

剪枝

剪枝是应该决策树过拟合的一种重要方法，主要分为以下两种：

• 预剪枝：该策略就是在对一个节点进行划分前进行估计，如果不能提升决策树泛化精度，就停止划分，将当前节点设置为叶节点。那么怎么测量泛化精度，就是留出一部分训练数据当做测试集，每次划分前比较划分前后的测试集预测精度。
  
  • 优点：降低了过拟合风险，降低了训练所需的时间。
  • 缺点：预剪枝是一种贪心操作，可能有些划分暂时无法提升精度，但是后续划分可以提升精度。故产生了欠拟合的风险。
• 后剪枝：该策略是首先正常建立一个决策树，然后对整个决策树进行剪枝。按照决策树的广度优先搜索的反序，依次对内部节点进行剪枝，如果将某以内部节点为根的子树换成一个叶节点，可以提高泛化性能，就进行剪枝。
  
  • 优先：降低过拟合风险，降低欠拟合风险，决策树效果提升比预剪枝强
  • 缺点：时间开销大得多

特殊值处理

连续值处理

在之前进行选择属性的时候，我们仅仅讨论了属性值为离散值的情况，例如身高分为“极高、高、较高、中等、较矮”五个选项，但是如果数据集中身高为连续值，例如140-210cm，我们该如何处理呢？

这里可以采用二分的思想，将连续值化为离散值。由于我们的数据集是有限的，即使是连续值，属性a在数据集中也只出现了有限个确定的值，记为$(a_1,a_2,a_3......a_n)$，且$a_1<a_2<a_3......<a_n$。

取n个值的中点，令

​

$$t_1=\frac{a_1+a_2}2,t_2=\frac{a_2+a_3}2......t_{n-1}=\frac{a_{n-1}+a_n}2$$

我们得到了n-1个中点，$(t_1，t_2......t_{n-1})$,任取一个值$t_i$可以将数据集D分为两个，$D^+$表示D中大于$t_i$的数据，$D^-$表示D中小于$t_i$的数据集合，这样，我们便可以同离散值一样进行处理了。

接下来的问题是，选取哪一个t呢？显然在信息增益准则下，应该选择使得信息增益最大的t:

​

$$Gain(D,a)=max_tGain(D,a,t)=max_tEnt(D)-\sum_{\lambda \in\{+,-\}}{\frac{|D^{\lambda}|}{|D|}Ent(D_t^{\lambda})}$$

经过稍加改造的信息增益公式就可以选择最好的t来进行划分。

缺失值处理

缺失值处理较为复杂，设计到较多的公式，在这里给出链接，读者可以参考阅读

缺失值处理详解

其主要思想是

• 在选择属性时，仅使用不缺失该属性的数据来计算信息增益，最后乘以一个代表缺失数据比例的比例系数
• 在对某个属性进行划分子节点时，对于不缺失该属性的数据正常划分，对于缺失该属性的数据，按不同的权重划分进行每个子节点

多变量决策树

实际上大部分机器学习的分类算法，都是将一个具有n个属性的数据，看成一个在n维空间的一个点，分类的过程就是在n维空间或者更高维度空间中找到超平面，将这些点进行划分。

而普通的决策树算法有一个特点，由于它每个节点的划分条件都是单独的，明确的，所以决策树的决策边界是平行于空间的坐标轴的。如下图所示：

这对其拟合特性有一定的影响，当数据比较复杂时，需要较多的属性才能得到较好的划分，而多变量决策树就可以解决该问题。

在多变量决策树的学习过程中，不是为每个非叶结点寻找一个最优划分属性，而是试图建立一个合适的线性分类器。 如下图所示：

多变量决策树较复杂，如果想进一步了解，可以阅读这个领域的论文。

查看更多

所有的文章都会在我的博客和我的知乎专栏同步进行更新，欢迎阅读

• 我的博客
• 知乎专栏