决策树

  决策树通常用于分类和回归，也是非常常用的数据挖掘算法。决策树的训练任务就是从数据中提取出一系列的规则，可以认为是if-then规则的集合对应树的结构，内部结点表示属性，叶结点表示类，每个实例对应一条从根结点到叶结点的路径；也可以认为是定义在特征空间与类空间上的条件概率分布，一条路径对应空间划分中的一个单元。

  决策树的学习方法包括ID3, C4.5, CART。决策树学习的损失函数通常是正则化的极大似然函数，损失函数确定以后，学习问题变为了在损失函数意义下选择最优决策树的问题。能对训练数据正确分类的决策树可能有很多个，也可能一个都没有。需要选择与训练数据矛盾最小的树，若过拟合再进行剪枝，使最终的模型具有很好的泛化能力。

1. 特征选择

  构造决策树时需要解决的第一个问题是，当前数据集上哪个特征在划分数据分类时取决定性作用，所以必须评估每个特征找到决定性特征。在根据特征划分数据集的时候，主要原则是将无序的数据变得有序，通常采用信息论度量信息。这里给出一些重要的定义：
（1）信息：
  若X是一个取有限个值的离散随机变量，其概率分布为$P(X=x_i)=p_i$。待分类的事物可能划分在多个类中，则$x_i$的信息定义为：

l(xi)=−log2pi

$$l(x_i)=-log_2p_i$$ （2）熵Entropy：
  信息的期望值，是集合信息的度量方式，定义为 $$H=-\sum^{n}_{i=1}p_i\cdot log_2p_i$$ 其中n为分类的数目。
（3）信息增益information gain：
  数据集划分前后信息发生的变化。对于训练数据集和特征A，信息增益的算法为：
S1 计算数据集D的经验熵： $$H(D)=-\sum_{k=1}^k\frac{|C_k|}{|D|}log_2 \frac{|C_k|}{|D|}$$ S2 计算特征A对数据集D的经验条件熵： $$H(D|A)=\sum_{i=1}^n\frac{|D_i|}{|D|}H(D_i)=-\sum_{i=1}^n\frac{|D_i|}{|D|}\sum_{k=1}^K\frac{|D_{ik}|}{|D_i|}log_2 \frac{|D_{ik}|}{|D_i|}$$ S3 计算信息增益： $$g(D,A)=H(D)-H(D|A)$$ （4）信息增益比information gain ratio：
  特征A对训练数据集D的信息增益比$g_R(D,A)$定义为其信息增益与训练集关于特征A的熵之比： $$g_R(D,A)=\frac{g(D,A)}{H_A(D)}$$

2. ID3算法

  ID3算法的核心是在决策树各个结点上应用信息增益准则选择特征，递归地构建决策树。ID3相当于用极大似然法进行概率模型的选择。ID3算法构建决策树的步骤如下：
输入：训练集D，特征集A，阈值$\epsilon$.
(1)若D中所有实例属于同一类$C_k$，则T为单结点树，并将$C_k$作为该结点的类标记，返回T；
(2)若$A=\phi$，则T为单结点树，并将D中实例数最大的类$C_k$作为该结点的类标记，返回T；
(3)else，计算A中各特征对D的信息增益，选择信息增益最大的特征A；
(4)如果$A_g$的信息增益小于阈值$\epsilon$，则置T为单结点树，并将D中实例数最大的类$C_k$作为该结点的类标记，返回T；
(5)else，对$A_g$的每一个可能值$a_i$，按照$A_g=a_i$将D分割为若干非空子集$D_i$，将$D_i$中实例数最大的类作为标记，构建子结点，由结点及其子结点构成树T并返回T；
(6)对第i个子结点，以$D_i$为训练集，以$A-\{A_g\}$ 为特征集，递归调用步骤(1)~(5)，得到子树${T_i}$并返回子树。

3. C4.5算法

  C4.5算法与ID3算法类似，只是C4.5在生成结点的过程中采用信息增益比来选择特征。这是因为以信息增益作为划分训练数据集的特征，存在偏向于选择取值较多的特征的问题，而使用信息增益比可以对这一问题进行校正。

4. 剪枝pruning

  剪枝就是从已经生成的决策树上裁掉一些子树或叶结点，并将其根结点或父结点作为新的叶结点，从而将已经生成的树进行简化。
  剪枝通常是通过极小化树整体的损失函数或代价函数来实现。设树T的结点个数为|T|，t是树的叶结点，该叶结点有$N_t$个样本点，其中k类的样本点有$N_{tk}$个，$H_t(T)$为叶结点t上的经验熵。则决策树学习的损失函数可以定义为：

Cα(T)=C(T)+α|T|

$$C_\alpha (T)=C(T)+\alpha|T|$$ 其中 $$C(T)=\sum_{t=1}^{|T|}N_tH_t(T)=-\sum_{t=1}^{|T|}\sum_{k=1}^{K}N_{tk}log\frac{N_{tk}}{N_t}$$ $C(T)$表示模型对训练数据的预测误差，即模型与训练数据的拟合程度，$|T|$表示模型复杂度，$\alpha$为两者之间的权重。当$\alpha$确定的时候，子树越大通常与训练数据拟合越好，但是模型复杂度越高；反之，子树越小，模型的复杂度越低，但是与训练数据的拟合不好。
  剪枝就是当$\alpha$确定的时候选择损失函数最小的模型，即损失函数最小的子树。以下为树的剪枝算法，该算法可用动态规划实现：
输入：整个树T，参数$\alpha$
输出：修剪后的子树$T_\alpha$.
(1)计算每个结点的经验熵；
(2)递归地从树的叶结点向上回缩。设一组结点回缩到其父结点之前与之后的整体树分别为$T_B$与$T_A$，其对应的损失函数值分别是$C_\alpha (T_B)$与$C_\alpha (T_A)$。如果 $$C_\alpha (T_A) \leqslant C_\alpha (T_B)$$ 则进行剪枝，即将父结点变为新的叶结点；
(3)返回(2)，直至不能继续为止，得到损失函数最小的子树$T_\alpha$.