1. 特征选择
机器学习中,如果在模型在训练集中表现良好而在测试集中表现很糟糕的现象,称为模型的过拟合。在决策树模型中,仍然需要通过某些条件控制模型的过拟合。
在前面1小节中,参考决策树(1): 总览。在决策树的左枝,在具有良好血液循环、不具有动脉闭锁患者中(13/102),此时的Gini不纯度系数为0.20;如果基于患者是否具有胸痛继续分类,Gini不纯度系数将变为0.29,Gini系数将增大。不使用胸痛数据的分类效果更好,故不考虑其是否具有胸痛而进一步分类,从而将其作为叶节点。
假设基于chest pain 的分类在所有情况下均不能减小Gini系数,那么在最终构建的决策树中将仅含有变量Good Blood Circulation 和Blocked arteries。这样的过程称为自动特征选择。
在创建决策树时,为了避免出现过拟合的现象,往往需要设置阈值来进行特征选择