决策树
一、决策树概述
训练阶段,根据训练数据构造决策树模型;在测试阶段,对数据进行分类。
决策树重要的三个阶段:1.特征的选择 2.决策树的生成 3.决策树剪枝
决策树内部节点表示特征或者属性,叶节点表示类别。
特征的选择:根据信息增益(ID3)和信息增益比(C4.5)
二、基本的概念
(1)经验熵的计算(由数据极大似然估计得到,所以在熵基础上称为经验熵)。熵值越大表示不确定性就越大。熵的公式:
其中n表示类别数,Pi表示第i类别的数量与总数量的比。
(2)经验条件熵:
其中H(Y|X)为经验条件熵,表示在X条件下对数据集Y进行分类的不确定性
(3)信息增益:表示不确定变化的程度