决策树剪枝的目的去除训练树的过拟合问题,以维持树合理的深度及广度。按照剪枝的时段分可分为预剪枝及后剪枝。预剪枝是在树的生长时提前停止树的生长,后剪枝是在决策树生长完成后根据分枝节点的误差进行剪枝。
不管是预剪枝还是后剪枝,在代码实现时,一个关键点是记录下节点的相关信息,包括到达该节点的训练样本数、当该节点作为叶子节点时的判定类别、错误样本数、节点的信息熵等。在此,首先定义节点类://节点名称
public String name;
//节点深度
public int lever;
//节点分割属性
public String attStr;
public String splitStr;
//分割属性对应的属性索引
public int att_index;
//属性值类型 1:连续型 2:离散型
public int attValueType;
//分割属性取值点
public String attVal;//离散型
public double con_attVal;//连续型
//与分割属性取值的关系 1:大于,2:等于,3小于,4大于等于,5小于等于,0根节点
public int attType;
//节点样本数
public int sampleCount;
//错误标签样本数
public int lossCount;
//节点标签
public String yVal;
//标签分布概率
public double[] yprob;
public Vector<String> yprobName;
//是否叶子节点
public int terminalNode;
//节点熵
public double entropyVal;
//基于误差剪枝 EBP
public double ebp_val;
public Vector<Node>