如何用决策树模型做数据分析？

 什么是决策树？

决策树模型本质是一颗由多个判断节点组成的树。在树的每个节点做参数判断，进而在树的最末枝(叶结点)能够对所关心变量的取值作出最佳判断。通常，一棵决策树包含一个根结点，若干内部节点和若干叶结点，叶结点对应决策分类结果。分支做判断，叶子下结论。

 

我们看一个简单的决策树的模型，通过动物的一些特点来判断它是否是鱼类，在决策树模型中，我们来看每一个节点是如何做判断的。我们将所有要研究的动物作为树最上端的起点，对它进行第一个判断，是否能脱离水生存？如果判断为是的话，它不是鱼类。如果为否的话，我们还要再进行下一个判断，是否有脚蹼？如果是的话，它就是非鱼类，如果否的话就是鱼类。

我们仅仅是通过最多两个层次的判断，在树最末端的叶子结点，可以对我们感兴趣的问题给出了一个相对而言的最佳决策。这个就是决策树的逻辑，非常简单且和人脑理解事物的逻辑很类似。

决策树是一种简单高效并且具有强解释性的模型，广泛应用于数据分析领域。

• 简单：逻辑相对简单，整个算法没有更复杂的逻辑，只是对节点进行分叉；

• 高效：模型训练速度较快；

• 强解释性：模型的判断逻辑可以用语言清晰的表达出来，比如上述决策树案例中的判断，就可以直接用语言表述成：脱离水不能生存的没有脚蹼的动物，我们判断它是鱼；

 

决策树模型应用于数据分析的场景主要有三种：

• 监督分层；

• 驱动力分析：某个因变量指标受多个因素所影响，分析不同因素对因变量驱动力的强弱（驱动力指相关性，不是因果性）；

• 预测：根据模型进行分类的预测；

 

熵是什么？

熵是描述判断的不确定性，大多数决策树的最终判断