决策树 Decision tree

决策树是最简单的机器学习算法，它易于实现，可解释性强，完全符合人类的直观思维，有着广泛的应用。

这是一种基于 if-then-else 规则的有监督学习算法，决策树的这些规则通过训练得到，而不是人工制定的。

 

 

决策树的三个步骤

①特征选择

      特征选择决定了使用哪些特征来做判断。在训练数据集中，每个样本的属性可能有很多个，不同属性的作用有大有小。因而特征选择的作用就是筛选出跟分类结果相关性较高的特征，也就是分类能力较强的特征。

      在特征选择中通常使用的准则是：信息增益。

②决策树生成

      选择好特征后，就从根节点出发，对节点计算所有特征的信息增益，选择信息增益最大的特征作为节点特征，根据该特征的不同取值建立子节点；对每个子节点使用相同的方式生成新的子节点，直到信息增益很小或者没有特征可以选择为止

③决策树剪枝

      剪枝的主要目的是对抗「过拟合」，通过主动去掉部分分支来降低过拟合的风险

 

 

3 种典型的决策树算法

①ID3 算法

      ID3 是最早提出的决策树算法，他就是利用信息增益来选择特征的。

②C4.5 算法

      他是 ID3 的改进版，他不是直接使用信息增益，而是引入“信息增益比”指标作为特征的选择依据。

③CART（Classification and Regression Tree）

      这种算法即可以用于分类，也可以用于回归问题。CART 算法使用了基尼系数取代了信息熵模型。

 

 

ID3与C4.5算法的区别就只在于选择分支的标准不同(即不纯净度的衡量方式不同)

ID3是用信息增益gain

C4.5是用信息增益比率gain ratio

CART用的是GINI

 

 

至于每个节点，分多少个叉

有multi-way split和binary split