CH4 决策树
引入信息增益、信息熵来选择最有效的分类属性,依次划分形成树。
信息增益越大,意味着使用该属性来划分所获得的纯度提升大;因此,可用信息增益来进行决策树的划分属性选择,ID3。
采用增益率,即增益比值进行计算;又称为C4.5决策树算法;
CART决策树采用基尼指数来划分属性;直观上,基尼指数反映从数据集中随机抽取两个样本,其类别不一致的概率;因此Gini 越小,数据集的纯度越高;
剪枝是为了应对决策树学习算法中的过拟合;
决策树剪枝分为预剪枝和后剪枝,区别是在生成前还是生成后剪枝。预剪枝通过训练前后的泛化性能进行估计,后剪枝在决策树生成完成后,从下往上进行精度考核。
后剪枝:欠拟合风险小,泛化性能常优于预剪枝;但训练开销比未剪枝和预剪枝大
对于连续变量,在决策树的学习中,常采用离散化技术,如二分法;
延伸到多变量决策树;