决策树

如何构建决策树

1. 准备工作：
   1. 明确自变量和因变量
   2. 确定信息度量的方式
   3. 确定终止条件
2. 选择特征
   1. 得到当前待处理子集
   2. 计算所有特征信息度量
   3. 得到当前最佳分类特征
3. 创建分支
   • 根据选中特征将当前记录分成不同分支，分支个数取决于算法
4. 是否终止
   • 判断是否满足终止条件
5. 生成结果
   • 判断是否需要剪枝

案例

根据部分电脑购买记录，对购买者建模。该模型可以基于客户的一些信息预测他是否会购买电脑。

记录标识	人群群体	收入层次	是否单身	信用等级	是否购买电脑
1	青年	高	否	一般	否
2	青年	高	否	良好	否
3	中年	高	否	一般	是
4	老年	中	否	一般	是
5	老年	低	是	一般	是
6	老年	低	是	良好	否
7	中年	低	是	良好	是
8	青年	中	否	一般	否
9	青年	低	是	一般	是
10	老年	中	是	一般	是
11	青年	中	是	良好	是
12	中年	中	否	良好	是
13	中年	高	是	一般	是
14	老年	中	否	良好	否

准备工作

1. 观察数据，明确自变量和因变量
   • 自变量：人群群体、收入层次、是否单身、信用等级
   • 因变量：是否购买电脑
2. 明确信息度量方式：信息增益
   • 熵
   • 基尼系数
3. 明确分支终止条件
   • 纯度
   • 记录条数
   • 循环次数

  构建一棵决策树

观察各自的分支，再根据情况选择是否还需要再次挑选特征进行区分，最终的结果如下。

各类决策树算法的对比

转载于:https://www.cnblogs.com/shayue/p/10412914.html