机器学习相关知识整理系列之一：决策树算法原理及剪枝（ID3,C4.5,CART）

最新推荐文章于 2022-11-19 19:12:41 发布

weixin_30412167

最新推荐文章于 2022-11-19 19:12:41 发布

阅读量122

点赞数

文章标签：数据结构与算法人工智能

原文链接：http://www.cnblogs.com/csyuan/p/6535366.html

版权

决策树是一种基本的分类与回归方法。分类决策树是一种描述对实例进行分类的树形结构，决策树由结点和有向边组成。结点由两种类型，内部结点表示一个特征或属性，叶结点表示一个类。

1. 基础知识

熵

在信息学和概率统计中，熵（entropy）是表示随机变量不确定性的度量。设\(X\)是一个取有限个值得离散随机变量，其概率分布为：\[P(X = x_i) = p_i, i = 1,2,3,...,n\]
则随机变量\(X\)的熵定义为：\[H(X) = - \sum_{i=1}^{n}p_i\log{p_i}\]
通常上式中对数以\(2\)，或者\(e\)为底。由定义知，熵依赖于\(X\)的分布，而于\(X\)的取值无关，所以\(X\)的熵记作\(H(p)\)，即：
\[H(p) = - \sum_{i=1}^{n}p_i\log{p_i}\]
熵越大，随机变量的不确定性就越大，\(0\leq H(p) \leq \log{n}\)。

1.1 条件熵

设有随机变量\((X,Y)\)，其联合概率分布为：
\[P(X=x_i, Y=y_j) = p_{ij}, i = 1,2,...,n; j = 1,2,...,n\]
条件熵表示\(H(Y|X)\)在已知随机变量\(X\)的条件下随机变量\(Y\)的不确定性，定义为：
\[H(Y|X) = \sum_{i=1}^{n}p_i H(Y|X=x_i)\]
这里，\(p_i=P(X=x_i), i = 1,2,...,n\)。当熵和条件熵中的概率由数据估计（极大似然估计）得到时，所对应的熵分别为经验熵和经验条件熵。

1.2 信息增益

信息增益表示得知特征\(A\)的信息而使得类\(Y\)的信息的不确定性减少的程度。特征\(A\)对训练数据集\(D\)的信息增益\(g(D,A)\)，定义为集合\(D\)的经验熵与特征\(A\)给定条件下\(D\)的经验条件熵之差，即：
\[g(D,A) = H(D) - H(D|A)\]对于数据集\(D\)，信息增益依赖于特征，不同的特征往往具有不同的信息增益，信息增益大的特征往往具有更强的分类能力。

根据信息增益准则的特征选择方法：对训练数据集（或子集）\(D\)，计算其每个特征的信息增益，并比较它们的大小，选择信息增益最大的特征。
设训练数据集为\(D\)，\(|D|\)表示其样本容量，即样本个数。设有K个类\(C_k，k = 1,2,...,K\)，\(|C_k|\)为属于类\(C_k\)的样本个数，\(\sum_{k=1}^{K}|C_k| = |D|\)。设特征\(A\)有\(n\)个不同的取值\({a_1,a_2,...,a_n}\)，根据特征\(A\)的取值将\(D\)划分为\(n\)个子集\(D_1，D_2,...,D_n\)，\(|D_i|\)为\(D_i\)的样本个数，\(\sum_{i=1}^{n}|D_i| = |D|\)。记子集\(D_i\)中属于类\(C_k\)的样本集合为\(D_{ik}\)，即\(D_{ik} = D_i\cap C_k\)。

（1）数据集\(D\)的经验熵\(H(D)\)
\[H(D) = - \sum_{k=1}^{K}{\frac{|C_k|}{|D|} \log\frac{|C_k|}{|D|} }\]
（2）特征\(A\)对数据集\(D\)的经验条件熵\(H(D|A)\)
\[H(D|A) = \sum_{i=1}^{n}\frac{|D_i|}{|D|}H(D_i) = - \sum_{i=1}^{n}\frac{|D_i|}{|D|} \sum_{k=1}^{K}{\frac{|D_{ik}|}{|D_i|} \log _{2} \frac{|D_{ik}|}{|D_i|}} \]
（3）信息增益\(g(D,A) = H(D) - H(D|A)\)

1.3 信息增益比

信息增益作为划分数据集的特征，存在偏向与选择取值较多的特征的问题。信息增益比可以改进改问题。特征\(A\)对训练数据集\(D\)的信息增益比\(g_R(D,A)\)定义为其信息增益\(g(D,A)\)与训练数据集\(D\)关于特征\(A\)的值得熵\(H_A(D)\)之比，即：
\[g_R(D,A) = \frac{g(D,A)}{H_A(D)}\]其中\(H_A(D) = - \sum_{i=1}^{n} \frac{|D_i|}{|D|} \log_2{\frac{|D_i|}{|D|} }\)，\(n\)是特征A取值的个数。

1.4 基尼系数

后面补充

2. ID3算法

在决策树各个结点上应用信息增益准则选择特征，递归地构建决策树。
给定训练数据集\(D\)，特征集\(S\)，阈值\(\epsilon\)
（1）若\(D\)中所有实例属于同一类\(C_k\)，则T为单结点树，并将类\(C_k\)作为该结点的类标记，返回T；
（2）若\(S=\varnothing\)，则T为单结点树，并将D中实例数最大的类\(C_k\)作为该结点的类标记，返回T；
（3）否则，计算\(S\)中各特征对\(D\)的信息增益，选择信息增益最大的特征\(S_g\)；
（4）如果\(S_g\)的信息增益小于阈值\(\epsilon\)，则置T为单结点树，并将\(D\)中实例数最大的类\(C_k\)作为该结点的类标记，返回T；
（5）否则，对\(S_g\)的每一个可能值\(a_i\)，将\(D\)分割为若干个非空子集\(D_i\)，将\(D_i\)中实例数最大的类作为标记，构建子结点，由结点及其子结点构成树T，返回T
（6）对第i个子节点，以\(D_i\)为训练集，以\(S-{S_g}\)为特征集，递归调用步（1）-（5），得到字数\(T_i\)，返回\(T_i\)。

3. C4.5算法

C4.5算法与ID3算法相似，C4.5算法对ID3算法进行了改进。C4.5在生成的过程中，用信息增益比来选择特征，过程与上述类似。

4. CART算法

后面再添加

5. 决策树的评价

假定样本的总类别为K个，对于决策树的某叶结点，假定该叶结点含有样本数目为\(n\)，其中第\(k\)类的样本数目为\(n_k，k = 1,2,...,K\)。
（1）若该结点中某类样本\(n_j = n\)，而\(n_1,...n_{j-1},n_{j+1},...n_{K} = 0\)，则该结点的熵\(H_p=0\)，最小；
（2）若该结点中各类样本数目\(n_1=n_2=...=n_k=n/K\)，则该结点熵\(H_u=\ln K\)，最大。
对所有叶结点的熵求和，该值越小说明对样本的分类越精确。各个叶结点包含的样本数目不同，可以使用样本数加权求熵和。因此，评价函数：\[C(T) = \sum_{t \in leaf }N_t \cdot H(t)\]
该评价函数值越小越好，所以，可以称为“损失函数”。

6. 剪枝

决策树对训练属于有很好的分类能力，但是对于未知的测试集未必有好的分类能力，泛化能力弱，即可能发生过拟合现象。为防止过拟合，我们需要进行剪枝。
三种决策树的剪枝过程算法相同，区别是对于当前树的评价标准不同。

剪枝分为预剪枝和后剪枝：

6.1 预剪枝：

（1）每一个结点所包含的最小样本数目，例如10，则该结点总样本数小于10时，则不再分；
（2）指定树的高度或者深度，例如树的最大深度为4；
（3）指定结点的熵小于某个值，不再划分。

6.2 后剪枝：

总体思路：由完全树\(T_0\)开始，剪枝部分结点得到\(T_1\)，再次剪枝部分结点得到\(T_2\)...直到剩下树根的树\(T_k\)；在验证数据集上对这\(k\)个树分别评价，选择损失函数最小的树\(T_a\)。

设树\(T\)的叶结点个数为\(|T|\)，t是树T的叶结点，该叶结点有\(N_i\)个样本点，其中k类的样本点有\(N_{ik}个，k=1,2,...,K\)。 \(H_t(T)\)为叶结点\(t\)上的经验熵，\(\alpha \geq 0\)为参数，则决策树学习的损失函数可定义为：
\[C_{\alpha}(T) = \sum_{t=1}^{|T|}N_t \cdot H(T) + \alpha |T|\]
其中经验熵为\[H_t(T) = \sum_{t=1}^{|T|}{\frac{N_{tk}}{N_t} \log _{2} \frac{N_{tk}}{N_t}}\]

这时有：\[C_{\alpha}(T) = C(T) + \alpha |T|\]
\(C(T)\)表示模型对训练数据集的预测误差，即模型与训练数据集的拟合程度。\(|T|\)表示模型的复杂度，参数\(\alpha \geq 0\)控制两者之间的影响。较大的\(\alpha\)促使选择较简单的模型（树），较小的\(\alpha\)促使选择较复杂的模型（树），当\(\alpha = 0\)时意味着只考虑模型与训练数据的拟合程度，不考虑模型复杂度。

假定当前对以\(r\)为根的子树剪枝，剪枝后，只保留\(r\)本身而删掉所有的子结点。
以\(r\)为根的子树：

剪枝后的损失函数：\(C_\alpha(r) = C(r) + \alpha\)
剪枝前的损失函数：\(C_\alpha(R) = C(R) + \alpha \cdot |R_{leaf}|\)（\(C(R)\)应该是小于\(C(r)\)）
令二者相等，求得：\(\alpha = \frac{C(r) - C(R)}{R_{leaf} -1}\)，\(\alpha\)称为结点\(r\)的剪枝系数。

对于给定的决策树\(T_0\)：