决策树:
概念:从根节点出发,对需要分类的对象每个属性进行判断,根据判断将对象分配到其子节点。此时每个节点又对应着该属性的一个取值,如此递归进行判断和分配,直至将对象分配到叶子结点。
算法原理:建造根节点,将所有的对象都放到根节点,选择最优特征进行分类,使训练集在当前环境下为最优分类。如果分类最优,则构建叶子结点,否则继续进行分类,构建相应的结点,如此递归,直到所有都被正确分类,或者没有更好的分类方式。
决策树学习:
本质从训练集中总结出一组最优分类规则。如果没有最优分类规则,那么需要选择一个与数据集矛盾最小同时具有较好的泛化行。
经过学习避免拟合需要对生产的树进行剪枝,简化树的结构,提高泛化性。
特征选择:如果随机选择与特定的一个特征进行分类没有区别,则该特征不具备分类。
准则:信息增益与信息增益比(也叫信息增益率)。