决策树算法——选择困难症的“良药”

“To be , or not to be：that is the question”（生存还是毁灭：这是一个问题），这是著名的莎士比亚悲剧《哈姆雷特》中的主人公一句非常经典的独白，也是数百年来经常困扰人们的选择问题。这段哈姆雷特式问题的台词，经常用来形容一个人在犹豫在思考时候的两难情况，用现代人的说法就是“选择困难症”。人们经常纠结于各种选择，生怕选错了，就会陷入“蓝瘦香菇”的困境。

 

人们在面临选择难题的时候经常想：如果能未卜先知，那该多好。实际上，在人工智能领域，就有一种预测算法，利用树杈的形状，非常形象地来解决这种选择问题，这就是决策树算法，它是一个非常广泛应用的算法，其原理是通过对一系列问题进行“是/否”的推导，最终实现决策。在机器学习发展到如今，决策树算法越来越得到更多的应用，我们也可以说它是解决“选择困难症”的良药。本文为了让读者朋友较好理解该算法，用python编程进行一个实际应用的示范。

 

新冠检测和决策树的基本原理

决策树算法是一种典型的、逼近离散函数值的分类方法。主要是先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。决策树算法应用非常广泛，例如在目前新冠疫情下，由于核酸检测条件和资源有限，不能够对所有人都进行检测，因此对有疑似感染人员的一些行为特征进行推导，最终判断其是否需要进行核酸检测来进一步确诊，也是很有必要的。比如调查和征询病人的近期行为：“去过医院或高危聚集地、防护措施是否到位、有病患接触史、是否发烧咳嗽”，这四个行为特征来判断是否需要对该人进行核酸检测，从而进一步确诊。