文章目录
1. 简单介绍决策树算法
决策树将算法组织成一颗树的形式。其实这就是将平时所说的if-then语句构建成了树的形式。决策树主要包括**三个部分:内部节点、叶节点、边。内部节点是划分的属性,边代表划分的条件,叶节点表示类别。**构建决策树 就是一个递归的选择内部节点,计算划分条件的边,最后到达叶子节点的过程。
2. 决策树和条件概率分布的关系?
决策树可以表示成给定条件下类的条件概率分布。
决策树中的每一条路径都对应是划分的一个条件概率分布. 每一个叶子节点都是通过多个条件之后的划分空间,在叶子节点中计算每个类的条件概率,必然会倾向于某一个类,即这个类的概率最大。
3. 信息增益比相对信息增益有什么好处?
-
使用信息增益时:模型偏向于选择取值较多的特征
-
使用信息增益比时:对取值多的特征加上的惩罚,对这个问题进行了校正。
4. ID3算法—>C4.5算法—> CART算法
-
I D 3 ID3 ID3
- I D 3 ID3 ID3算法没有考虑连续特征,比如长度,密度都是连续值,无法在ID3运用。这大大限制了ID3的用途。
- I D 3 ID3 ID3算法采用信息增益大的特征优先建立决策树的节点,偏向于取值比较多的特征
- I D 3 ID3 ID3算法对于缺失值的情况没有做考虑
- I D 3 ID3 ID3算法没有考虑过拟合的问题
-
C 4.5 C4.5 C4.5在 I D 3 ID3 ID3算法上面的改进
- 连续的特征离散化
- 使用信息增益比
- 通过剪枝算法解决过拟合
-
C 4.5 C4.5 C4.5的不足:
- C 4.5 C4.5 C4.5生成的是多叉树
- C 4.5 C4.5 C4.5只能用于分类,如果能将决策树用于回归的话可以扩大它的使用范围。
- C 4.5 C4.5 C4.5由于使用了熵模型,里面有大量的耗时的对数运算,如果是连续值还有大量的排序运算
-
C A R T CART CART算法
- 可以做回归,也可以做分类,
- 使用基尼系数来代替信息增益比
- C A R T CART CART分类树离散值的处理问题,采用的思路是不停的二分离散特征。
5. 决策树的缺失值是怎么处理的
-
如何在属性值缺失的情况下进行划分属性的选择?
(比如“色泽”这个属性有的样本在该属性上的值是缺失的,那么该如何计算“色泽”的信息增益?)
-
每个样本设置一个权重(初始可以都为1)
-
划分数据,一部分是有特征值A的数据D1,另一部分是没有特征值A的数据D2.
-
对没有缺失特征值A的数据集D1来和对应的A特征的各个特征值一起计算加权重后的信息增益比,最后乘上一个系数, 这个系数是无特征值A缺失的样本加权后所占加权总样本的比例。
-
ρ = ∑ x ∈ D ~ w x ∑ x ∈ D w x \rho=\frac{\sum_{x \in \tilde{D}} w_{x}}{\sum_{x \in {D}} w_{x}} ρ=∑x∈Dwx∑x∈D~wx
p ~ k = ∑ x ∈ D ~ k w x ∑ x ∈ D ~ w x ( 1 ≤ k ≤ ∣ y ∣ ) \tilde{p}_{k}=\frac{\sum_{x \in \tilde{D}_{k}} w_{x}}{\sum_{x \in \tilde{D}} w_{x}} \quad(1 \leq \mathrm{k} \leq|y|) p~k=∑x∈D~wx∑x∈D~kwx(1≤k≤∣y∣)
r ~ v = ∑ x ∈ D ~ v w x ∑ x ∈ D ~ w x ( 1 ≤ v ≤ v ) \tilde{r}_{v}=\frac{\sum_{x \in \tilde D^{v}} w_{x}}{\sum_{x \in \tilde{D}} w_{x}} \quad(1 \leq v \leq v) r~v=∑x∈D~wx∑x∈D~vwx(1≤v≤v)
D ~ \tilde D D~:该属性上没有缺失值的样本
ρ \rho ρ:无缺失值样本所占的比例
p ~ k \tilde{p}_{k} p~k:无缺失值样本第 k k k类所占的比例
r ~ v \tilde{r}_{v} r~v:无缺失值样本在特征a上取值 a v a^v av的样本所占的比例
新的信息增益公式:
Gain
(
D
,
a
)
=
ρ
×
Gain
(
D
~
,
a
)
=
ρ
×
(
Ent
(
D
~
)
−
∑
v
=
1
V
r
~
v
Ent
(
D
~
v
)
)
Ent
(
D
~
)
=
−
∑
k
=
1
∣
y
∣
p
~
k
log
2
p
~
k
\begin{aligned} &\operatorname{Gain}(D, a)=\rho \times \operatorname{Gain}(\tilde{D}, a)=\rho \times\left(\operatorname{Ent}(\tilde{D})-\sum_{v=1}^{V} \tilde{r}_{v} \operatorname{Ent}\left(\tilde{D}^{v}\right)\right)\\ &\operatorname{Ent}(\tilde{D})=-\sum_{k=1}^{|y|} \tilde{p}_{k} \log _{2} \tilde{p}_{k} \end{aligned}
Gain(D,a)=ρ×Gain(D~,a)=ρ×(Ent(D~)−v=1∑Vr~vEnt(D~v))Ent(D~)=−k=1∑∣y∣p~klog2p~k
-
给定划分属性,若样本在该属性上的值是缺失的,那么该如何对这个样本进行划分?
(即到底把这个样本划分到哪个结点里?)
- 让包含缺失值的样本以不同的概率划分到不同的子节点中去。
比如缺失特征A的样本a之前权重为1,特征A有3个特征值A1,A2,A3。 3个特征值对应的无缺失A特征的样本个数为2,3,4.则a同时划分入A1,A2,A3。对应权重调节为2/9,3/9, 4/9。
6. 决策树的目标函数是什么?
C α ( T ) = ∑ t = 1 ∣ T ∣ N t H t ( T ) + a ∣ T ∣ C_{\alpha}(T)=\sum_{t=1}^{|T|} N_{t} H_{t}(T)+a|T| Cα(T)=t=1∑∣T∣NtHt(T)+a∣T∣
H t ( T ) = − ∑ k N t k N t log N t k N t H_{t}(T)=-\sum_{k} \frac{N_{t k}}{N_{t}} \log \frac{N_{t k}}{N_{t}} Ht(T)=−k∑NtNtklogNtNtk
其中 ∣ T ∣ |T| ∣T∣代表叶节点个数
N t N_t Nt表示具体某个叶节点的样例数
H t ( T ) H_t(T) Ht(T) 表示叶节点 t t t上的经验熵
α ∣ T ∣ \alpha|T| α∣T∣为正则项,$\alpha \geqslant 0 $ 为参数。
7. 决策树怎么处理连续性特征?
因为连续属性的可取值数目不再有限,因此不能像前面处理离散属性枚举离散属性取值来对结点进行划分。因此需要连续属性离散化,常用的离散化策略是二分法,这个技术也是C4.5中采用的策略。下面来具体介绍下,如何采用二分法对连续属性离散化:
-
训练集D,连续特征 A A A,其中A有n个取值
-
对A的取值进行从小到大排序得到: { a 1 , a 2 … a n } \{a_1,a_2\dots a_n\} {a1,a2…an}
-
寻找划分点 t t t, t t t将D分为子集 D t − D_{t}^{-} Dt−与 D t + D_{t}^{+} Dt+
- D t − D_{t}^{-} Dt−:属性 A A A上取值不大于 t t t的样本
- D t + D_{t}^{+} Dt+:属性 A A A上取值大于 t t t的样本
-
对相邻的属性取值 a i a_i ai与 a i + 1 a_{i+1} ai+1,t再区间 [ a i , a i + 1 ) [a_i,a_{i+1}) [ai,ai+1)中取值所产生的划分结果相同,因此对于连续属性 A A A,包含有 n − 1 n-1 n−1个元素的后选划分点集合
T a = { a i + a i + 1 2 ∣ 1 ≤ i ≤ n − 1 } T_a = \{\frac{a_i + a_{i+1}}{2}|1\leq{i}\leq{n-1} \} Ta={2ai+ai+1∣1≤i≤n−1}
-
把区间 [ a i , a i + 1 ) [a_i,a_{i+1}) [ai,ai+1)的中位点 a i + a i + 1 2 \frac{a_i + a_{i+1}}{2} 2ai+ai+1作为候选划分点
-
按照处理离散值那样来选择最优的划分点,使用公式:
G a i n ( D , a ) = m a x ⏟ t ∈ T a G a i n ( D , a , t ) = m a x ⏟ t ∈ T a ( E n t ( D ) − ∑ λ ∈ { − , + } ∣ D t λ ∣ ∣ D ∣ E n t ( D t λ ) ) Gain(D,a) =\underbrace{max}_{t\in T_a}Gain(D,a,t) = \underbrace{max}_{t\in T_a}\ (Ent(D) - \sum_{\lambda \in \{-,+ \}}\frac{|D_t^{\lambda}|}{|D|}Ent(D_t^{\lambda})) Gain(D,a)=t∈Ta maxGain(D,a,t)=t∈Ta max (Ent(D)−λ∈{−,+}∑∣D∣∣Dtλ∣Ent(Dtλ))
其中 G a i n ( D , a , t ) Gain(D,a,t) Gain(D,a,t)是样本集 D D D基于划分点 t t t二分之后的信息增益。划分点时候选择使用 G a i n ( D , a , t ) Gain(D,a,t) Gain(D,a,t)最大的划分点。
8. 决策树怎么防止过拟合?
-
预剪枝(提前停止):控制深度、当前的节点数、分裂对测试集的准确度提升大小
- 限制树的高度,可以利用交叉验证选择
- 利用分类指标,如果下一次切分没有降低误差,则停止切分
- 限制树的节点个数,比如某个节点小于100个样本,停止对该节点切分
-
后剪枝(自底而上):生成决策树、交叉验证剪枝:子树删除,节点代替子树、测试集准确率判断决定剪枝
- 在决策树构建完成之后,根据加上正则项的结构风险最小化自下向上进行的剪枝操作. 剪枝的目的就是防止过拟合,是模型在测试数据上变现良好,更加鲁棒。
9. 如果特征很多,决策树中最后没有用到的特征一定是无用吗?
不是无用的,从两个角度考虑:
-
特征替代性,如果可以已经使用的特征A和特征B可以提点特征C,特征C可能就没有被使用,但是如果把特征C单独拿出来进行训练,依然有效
-
决策树的每一条路径就是计算条件概率的条件,前面的条件如果包含了后面的条件,只是这个条件在这棵树中是无用的,如果把这个条件拿出来也是可以帮助分析数据.
10.决策树的优缺点?
-
优点:
- 简单直观,生成的决策树很直观。
- 基本不需要预处理,不需要提前归一化,处理缺失值。
- 使用决策树预测的代价是O(log2m)O(log2m)。 m为样本数。
- 既可以处理离散值也可以处理连续值。很多算法只是专注于离散值或者连续值。
- 可以处理多维度输出的分类问题。
- 相比于神经网络之类的黑盒分类模型,决策树在逻辑上可以得到很好的解释
- 可以交叉验证的剪枝来选择模型,从而提高泛化能力。
- 对于异常点的容错能力好,健壮性高。
-
缺点:
- 决策树算法非常容易过拟合,导致泛化能力不强。可以通过设置节点最少样本数量和限制决策树深度来改进。
- 决策树会因为样本发生一点点的改动,就会导致树结构的剧烈改变。这个可以通过集成学习之类的方法解决。
- 寻找最优的决策树是一个NP难的问题,我们一般是通过启发式方法,容易陷入局部最优。可以通过集成学习之类的方法来改善。
- 有些比较复杂的关系,决策树很难学习,比如异或。这个就没有办法了,一般这种关系可以换神经网络分类方法来解决。
- 如果某些特征的样本比例过大,生成决策树容易偏向于这些特征。这个可以通过调节样本权重来改善。
11. 树形结构为什么不需要归一化?
-
数值缩放不影响分裂点位置,对树模型的结构不造成影响。
-
按照特征值进行排序的,排序的顺序不变,那么所属的分支以及分裂点就不会有不同。
-
树模型是不能进行梯度下降的,因为构建树模型(回归树)寻找最优点时是通过寻找最优分裂点完成的,因此树模型是阶跃的,阶跃点是不可导的,并且求导没意义,也就不需要归一化。
么不需要归一化?
-
数值缩放不影响分裂点位置,对树模型的结构不造成影响。
-
按照特征值进行排序的,排序的顺序不变,那么所属的分支以及分裂点就不会有不同。
-
树模型是不能进行梯度下降的,因为构建树模型(回归树)寻找最优点时是通过寻找最优分裂点完成的,因此树模型是阶跃的,阶跃点是不可导的,并且求导没意义,也就不需要归一化。