第三章 决策树
PS:个人笔记 根据《机器学习实战》这本书,Jack-Cui的博客,以及深度眸的视频进行学习
1 决策树原理
决策树(decision tree)是一种基本的分类与回归方法。决策树模型呈树形结构,在分类问题中,表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合,也可以认为是定义在特征空间与类空间上的条件概率分布。
2 优缺点及适用数据范围
优点:
①计算复杂度不高,输出结果易于理解 (每次都是基于某一列特征来算,在算下一次递归后,就不考虑该列特征了。并且通过剪枝使的计算不复杂。结果是通过树形结果显示,很清楚就能分别。)
②对中间值的缺失不敏感
③可以处理不相关特征数据(因为是基于特征列来算的,不考虑列与列之间的关系)
缺点:
可能会产生过度匹配问题(就是过拟合了)
适用数据类型:
数值型和标称型
3 集合信息的度量方式 ⭐ 熵
香农熵或者简称为熵(entropy),这个名字来源于信息论之父克劳德·香农
熵定义为信息的期望值。在信息论与概率统计中,熵是表示随机变量不确定性的度量。如果待分类的事务可能划分在多个分类之中,则符号xi的信息定义为
![](https://i-blog.csdnimg.cn/blog_migrate/cbff407f9df258cbe7ca386cc6d4653b.png)
通过上式,我们可以得到所有类别的信息。为了计算熵,我们需要计算所有类别所有可能值包含的信息期望值(数学期望),通过下面的公式得到:
其中n是分类的数目。熵越大,随机变量的不确定性就越大。