决策树(一):分类树原理和python实现

决策树原理

决策树(decision tree)是机器学习中常用的一种分类和回归方法。决策树学习通常包含三个步骤:特征选择、决策树生成、决策树修剪。在本文中主要讨论分类决策树。

分类决策树的模型是一个树形结构,由结点(node)和有向边(directed edge)组成,其中结点又分为:内部结点和叶结点。内部结点表示一个特征(图中的黑色圆),而叶结点表示一个类(黑色方框)。

其中根结点包含了整个数据集,通过在数据集中找到一个最优特征,也就是最优划分属性,通过最优划分属性,将数据集分为若干子集,划分到子节点中。很明显,决策树的生成是一个递归过程,而要使递归返回,则需要:

  1. 当前结点样本属于同一类
  2. 当前结点样本为空
  3. 当前属性为空,或是所有样本在所有属性集上取值相同

所以,分类决策树的大致流程如下所示:

 

其中,最关键的就是如何去寻找这个最优特征。

信息增益、信息增益比

信息熵

在信息论和概率统计中,熵(entropy)是表示随机变量不确定的度量。

假设X是一个有限个值的随机离散变量,概率分布是:

P(X =x_i)=p_i   (i = 1,2,3,\cdot \cdot \cdot )

则将其熵定义为:

H(X) = -\sum_{i=1}^{n}p_ilogp_i

其中若p_i = 0,则定义0log0=0。可以看出,熵只与X的分布有关,所以也可写为:

H(p) = -\sum_{i=1}^{n}p_ilogp_i

熵越大,随机变量的不确定性也就越大,举个栗子:

当随机变量只有两个值时,熵为:

H(p) = -plog_2p-(1-p)log_2(1-p)

作熵随概率变化的曲线图:

  • 4
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值