决策树
- 亦称为:判别树
- 有时指学习方法。
- 有时指学得的树。
- 决策树是一种常见的机器学习方法。
1. 基本概念
- 问题导入
举例:
- 以二分类任务为例。
- 我们希望从给定训练数据集学得一个模型,用以对新示例进行分类。
- 这个把样本分类的任务,可看作对"当前样本属于正类吗?"这个问题的"决策"或"判定"过程。
子决策:
- 我们要对"这是好瓜吗?"这样的问题进行决策时。
- 通常会进行一系列的判断或"子决策":
- 我们先看"它是什么颜色?"。如果是"青绿色",
- 则我们再看"它的根蒂是什么形态?"。如果是"蜷缩",
- 我们再判断"它敲起来是什么声音?",
- 最后,我们得出"最终决策":这是个好瓜.
1.1 决策树的性质
- 一棵决策树包含"一个"根结点、若干个内部结点和若干个叶结点;
- "叶"结点对应于决策结果。
- 其他每个结点则对应于一个"属性"测试;
- 根结点包含"样本全集"。
- 从根结点到每个叶结点的路径对应了一个"判定测试序列"。
1.2 决策树学习的目的
- 决策树学习的"目的"是为了产生一棵"泛化能力"强的决策树。
- 即处理未见示例能力强的决策树。
- 其基本流程遵循简单且直观的"分而治之"(divide-and-conquer) 策略。
- 我们希望决策树的分支结点所包含的样本尽可能属于同一类别,即结点的"纯度" (purity) 高。
1.3 决策树学习基本算法
输入: 训练集 D = {
(x1, y1), (x2, y2), (x3, y3), ..., (xm, ym)}
属性集 A = {
a1, a2, ..., ad}
过程: 函数 TreeGenerate(D, A)
1. 生成节点 node;
2. if D 中样本全属于同一类别 C then
3. 将 node 标记为 C 类叶节点:
4. return;
5. end if
6. if A = null || D 中样本在 A 上取值相同 then
7. 将 node 标记为叶节点,其类别标记为 D 中样本数最多的类;
8. return;
9. end if
10.从 A 中选择最优划分属性 ai (0 < i <= d);
11.for ai 的每一个值 a_vi do
10. 为 node 生成一个分支; 令 Dj (0 < j <= m) 表示 D 中在 ai 上取值为 a_vi 的样本子集;
11. if Dj 为空 then
12. 将分支节点标记为叶节点,其类别标记为 D 中样本最多的类。
13. return;
14. else
15. 以 TreeGenerate(Dj, A\{
ai}) 为分支节点
16. end if
17.end for
输出:以 node 为根节点的一颗决策树
- 算法解释
"名词解释:"
1. 机器学习2——绪论里面有专业名称的解释。
2. 训练集 D --> 数据集 data set
3. 属性集 A --> 属性 attribute
4. 一项数据:(x1, y1), 就有属性集 A 的全部
5. 最优划分属性 ai : 属性集 A 的子集, i 为下标,代表第几个属性
6. a_vi : attribute value, 所对应属性的属性值。
7. TreeGenerate(Dj, A\{
ai}) : Dj 是已经训练好的一个节点,A\{
ai} : ai 这个属性已经被用了,把它除去。
"算法原理解释:"
- 决策树的生成是一个递归过程。
- "决策树学习的关键是" : 从 A 中选择最优划分属性 ai (0 < i <= d);
- 有三种情况会导致递归返回:
1. 当前节点包含的样本全属于同一类别,无须划分。
2. 当前属性集为空,或者所有样本在所有属性集上取值为空,无法划分。("处理:标记该节点为叶节点")
3. 当前节点包含的样本集合为空,不能划分(