决策树:从根节点开始一步步走到叶子结点(决策)
所有的数据最终都会落到叶子结点,既可以做分类也可以做回归
树的组成:
根节点:第一个选择点
非叶子结点与分支:中间过程
叶子结点:最终的决策结果
节点:增加节点相当于在数据中切一刀,那么节点越多越好吗?
决策树的训练与测试:
1.训练阶段:从给定的训练集构造出来一棵树(从根节点开始选择特征,如何进行特征切分)
2. 测试阶段:根据构造出来的树模型从上到下走一遍就好了
3. 一旦构造好了决策树,那么分类或者预测任务就很简单了,值需要走一遍就可以了,那么难点就
在与如何构造出来一棵树,这就没那么容易了,需要考虑的问题还有很多的!
如何切分特征(选择节点)?
问题:根节点的选择该用哪个特征呢?接下来呢?如何切分呢?
想象一下:我们的目标应该是根节点就像一个老大似的,能够更好的切分数据(分类的效果更好),
根节点下面的节点自然就是二当家了。
目标:通过一种衡量标准,来计算通过不同特征进行分支选择后的分类情况,找出来最好的那个当成根节点,以此类推。
衡量标准--熵
熵:表示随机变量不确定性的度量(就是物体内部的混乱程度,比如杂货市场里面什么都有,那肯定混乱,专卖店里值卖一个牌子的那就稳定多了)