决策树特征选择算法介绍

本文介绍了决策树算法的核心内容,包括特征选择的三种标准(信息熵、信息增益、基尼指数),决策树的生成与剪枝方法。详细阐述了预剪枝和后剪枝的目的与策略,以及如何处理过拟合问题。同时,讨论了决策树在处理离散和连续变量时的特点,以及其优缺点和适用场景。
摘要由CSDN通过智能技术生成

1.目的:为了让模型的不确定性降低的越快越好

2.三个过程:特征选择、决策树的生成、决策树的剪枝
(1)特征选择:
信息熵:随机变量不确定性的度量
H(X)=?∑ni=1pilogpiH(X)=?∑i=1npilogpi
信息增益:(ID3算法),得知特征X的信息而使类Y的信息的不确定减少的程度
g(D,A)=H(D)?H(D|A)g(D,A)=H(D)?H(D|A)
information gain作为划分训练数据集的特征,存在偏向于选择取值较多的特征问题。
(对于取值多的属性如连续型数值,这个单独的属性就可以划分所有的样本,使得所有分支下的样本集合都是“纯的”,最极端的情况是每个叶子节点只有一个样本。这样的划分是极为不合理的。)
信息增益率:(C4.5算法),在信息增益的基础上除了一项split information,来惩罚值更多的属性。
gR(D,A)=g(D,A)HA(D)gR(D,A)=g(D,A)HA(D)
GINI指数:(CART算法)
Gini(D)=1?∑Kk=1p2kGini(D)=1?∑k=1Kpk2

(2)决策树的生成
递归选择最优特征(信息增益、信息增益比最大,GINI最小)
递归停止条件:
a. 当前结点包含的样本全部属于同一个类别,无需划分
b.当前的属性集为空,或是所有样本在所有属性上的取值相同,无法划分(小于或者大于某个阈值)
c.当前结点包含

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值