机器学习算法（一）-决策树

一、什么是决策树（decision tree)？

　　在机器学习中，决策树是一个预测模型，它代表的是对象属性与对象值之间的一种映射关系。由于这种模型画成图形很像一棵树的枝干，故称决策树。其每个非叶子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，而每个叶子节点存放一个类别。树的最顶层是根节点。

二、熵的概念

　　熵（entropy）是对平均不确定度的度量。在信源中，考虑的不是某一单个符号发生的不确定性，而是要考虑这个信源所有可能发生情况的平均不确定性。若信源符号有n种取值，对应概率为：$P(x_{1}),P(x_{2}),,,P(x_{n})$，且各种符号的出现彼此独立。这时，信源的平均不确定性应当为单个符号不确定性$-logP(x_{i})$的统计平均值，可称为信息熵，即
　　

$$H(X)=-\sum_{x\in X}P(x)·logP(x)$$
式中对数一般取2为底，单位为比特。

三、ID3算法

　　ID3算法的核心思想就是以信息增益（又称平均互信息）度量属性选择，选择分裂后信息增益最大的属性进行分裂。信息增益定义为：

$$gain(A)=info(D)-info_A(D)$$
解释：设D为用类别对训练元组进行的划分，则D的熵表示为：
$$info(D)=-\sum ^m_{i=1}p_ilog_2(p_i)$$
其中 $p_{i}$表示第i个类别在整个训练元组中出现的概率，可以用属于此类别元素的数量除以训练元组元素总数量作为估计。熵的实际意义表示是D中元组的类标号所需要的平均信息量。
现在我们假设将训练元组D按属性A进行划分，则A对D划分的期望信息为：
$$info_A(D)=\sum ^v_{j=1}\frac{|D_j|}{|D|}info(D_j)$$
而信息增益即为两者的差值。
例子：

类似，Gain(income) = 0.029, Gain(student) = 0.151, Gain(credit_rating)=0.048，所以，选择age作为第一个根节点

重复….

四、算法步骤

● 树以代表训练样本的单个点开始（步骤1）。
● 如果样本都在同一个类，则该节点成为树叶，并用该类标号（步骤2 和3）。
● 否则，算法使用称为信息增益的基于熵的度量作为启发信息，选择能够最好地将样本分类的属性（步骤6）。该属性成为该节点的“测试”或“判定”属性（步骤7）。在算法的该版本中，所有的属性都是分类的，即离散值。连续属性必须离散化。
● 对测试属性的每个已知的值，创建一个分枝，并据此划分样本（步骤8-10）。
● 算法使用同样的过程，递归地形成每个划分上的样本判定树。一旦一个属性出现在一个节点上，就不必该节点的任何后代上考虑它（步骤13）。
● 递归划分步骤仅当下列条件之一成立停止：
　(a) 给定节点的所有样本属于同一类（步骤2 和3）。
　(b) 没有剩余属性可以用来进一步划分样本（步骤4）。在此情况下，使用多数表决（步骤5）。这涉及将给定的节点转换成树叶，并用样本中的多数所在的类标记它。替换地，可以存放节点样本的类分布。
　(c) 分枝：test_attribute = ai 没有样本（步骤11）。在这种情况下，以 samples 中的多数类
● 创建一个树叶（步骤12）

五、其他归纳算法：

　　1. C4.5
　　2. CART
● 共同点：都是贪心算法，自上而下(Top-down approach)；
● 区别：属性选择度量方法不同： C4.5 （信息增益率), CART(基尼系数), ID3 (信息增益)

六、树剪枝叶 （避免overfitting)

　　决策树过渡拟合往往是因为太过“茂盛”，也就是节点过多，所以需要裁剪（Prune Tree）枝叶。裁剪枝叶的策略对决策树正确率的影响很大。主要有两种裁剪策略：
1. 先剪枝
2. 后剪枝

七、决策树的优点

　　直观，便于理解，小规模数据集有效

八、决策树的缺点

1. 处理连续变量不好
2. 类别较多时，错误增加的比较快
3. 可规模性一般