决策树(Decision Tree)可以算是分类算法中最著名的模型了,因为它是基于人们最能理解的规则来构造分类器,且每一次分支都能给出解释。
决策树大家族十分庞大,这里只介绍基于决策树的单一分类模型,不包括基于深度学习的GBDT。
决策树有点类似二叉排序树,到达节点时,就比较一次,然后进入下一个节点。
度量划分
基本上来说,对于度量的选择,我们都希望,所选择的度量能够将样本划分的更纯。不纯的程度越低,类分类就越倾斜。
信息熵、基尼指数与分类误差
三个度量方式都很容易理解,只不过对于误差的处理不同。
假设c是类的个数,则各指数的计算公式如下:
Entropy=−∑i=0c−1p(i|t)log2p(i|t)Gini=1−∑i=0