通俗易懂地搞懂决策树(Decision Tree)那些事儿

一、决策树是什么?

“决策树是一颗好树,是一颗可以帮我们做决策的树。”

决策树的结构:树形结构,节点表示判断条件(分为根节点和中间节点),分支代表判断结果,叶子代表分类结果。

二、如何构造一棵决策树

1.当我们要构造一棵决策树的时候,大概首先想到的就是以下4个问题:

  • 选哪个作为根节点?
  • 根节点选定后,怎么选中间节点?
  • 最后的叶节点又是怎样确认的?到什么程度呢?
  • 怎样把这个事弄的更细致,使其能够让计算机来实现?

2.要解决上面的问题,先来看下构造决策树的流程

收集数据->准备数据->分析数据->训练算法->测试算法->使用算法

针对构造决策树时候面临的问题,衍生了很多决策树算法,他们处理的根本问题是上面流程的第四步——训练算法,实际上也就是划分数据集方法。一般有ID3C4.5、C5.0三种算法。

1) ID3算法

根据信息熵算法计算节点的信息增益,信息增益最大的自变量作为根节点,其他的特征值依次选取为内部节点。

2) C4.5算法

待更新。。。。

3) C5.0算法

待更新。。。。

三、决策树与多条件过滤有什么区别?

从决策树的结构可以看出来,其实决策树的本质就是多条件过滤,但与多条件过滤的区别主要体现在各判断的条件上,多条件过滤中各个判断条件的权重是一样的,而决策树中越是处于树结构顶端的节点权重占比越大,比如根节点的权重是最大的。这就好比去面试,一面没过的话就没必要进行二面、三面、四面了。因此决策树过滤的效率会比多条件过滤更高。

四、决策树的应用

决策树在商业中的实际应用很多,比如销量预测模型。

五、决策树的python实现

待更新。。。。

参考文章:

百度百科:决策树

一篇文章搞懂机器学习中决策树的那些事儿

 

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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