(注:主要是一些简单的概念,不涉及公式列举与推导。)
一、决策树学习算法
1、特征选择;2、决策树的生成;3、决策树的剪枝;
二、特征选择:
划分数据集的最大原则是:
将无序的数据变得更加有序。而特征选择的准则是信息增益或者信息增益比。
信息增益:
涉及到“香农熵”,简称“熵”的概念,在信息论与概率统计当中,熵是表示随机变量不确定性的度量。换句话说,就是表示信息的混乱程度,熵越大,信息就越混乱越无序,也可以说随机变量的不确定性也越大;熵越小,信息就越有序,随机变量的不确定性就越小,越容易确定。
信息增益表示的是得知特征X的信息而使得类Y的信息的不确定性减少的程度。
信息增益比:
信息增益来划分数据集的特征,存在偏向选取值较多的特征的问题。利用信息增益比可以对这一问题进行校正