机器学习中分类和预测算法的评估:
1.准确率
2.速度
3.强壮性
4.可规模性
5.可解释性
1.什么是决策树/判定树
判定树是一个类似于流程图的树结构:其中,每个内部结点表示在一个属性上的测试,每个分支代表一个属性输出,而每个树叶结点代表类或类分布。树的最顶层是根结点。
2.机器学习中分类方法中的一个重要算法
3.构造决策树的基本算法
3.1熵的概念
一条信息的信息量大小和它的不确定性有直接的关系
变量的不确定性越大,熵也就越大
3.2决策树归纳算法(ID3)
选择属性判断结点
信息获取量:Gain(A)=Info(D)-Infor_A(D)
通过A来作为结点味蕾获取了多少信息
算法的步骤
1.树以代表训练样本的单个结点开始
2.如果样本都在同一个类(拥有相同的y),则该结点变成树叶,并用该类标号
3.如果不是在同一类,则需要继续进行划分,通过信息获取量,找到信息获取量中值最大的作为头结点,继续创建分枝
4.结束的条件
1)给定结点的所有样本属于同一类
2)没有剩余属性来进行下一步划分,这时使用多数表决,将结点转换成树叶,并用样本中的多数类标记它,作为最后的结果
3)分枝
5.创建树叶
4.树剪枝叶(避免overfitting) 避免划分的太细导致,在训练集中算法准确,但是在测试集中,有新的变量就导致不准的情况
4.1先剪枝
4.2后剪枝
5.决策树的优点
直观,便于理解,小规模数据集有效
6.决策树的缺点
处理连续变量不好
类别较多时,错误增加的比较快
可规模性一般