概念
- 决策树最顶端节点称为【根结点】,深度为0的决策树也称为【决策树桩】,不可再分的节点称为【叶节点】。
- sklearn支持的两个最常用的分割标准:a. criterion=‘gini’【基尼不纯度】; b. criterion=‘entropy’【信息增益】;
- gini不纯度:是否错误分类?目标是最小化错误分类的概率,最优化分割gini不纯度为0
- entropy信息增益: 不确定度多大?最完美分割信息熵为0
应用
- 持续增加深度,使得所有叶子都是纯的,有什么后果?
- 表面这个决策树在训练集上正确率100%,但是测试集上可能表现很差,产生over-fitting
- 避免过拟合的两种常见方法
- 预剪枝:尽早停止决策树生长,一般足够控制过拟合,但现实复杂场景就不足以控制,需用到多个决策树合并成的随机森林
- max_depth:限制最大深度
- max_leaf_nodes:限制最多的叶节点数量
- min_simple_split:限制可分割最少样本数
- 后剪枝:创建后移除或合并包含较少信息的节点