决策树常用的有ID3,C4.5和CART算法,在得到决策树之后还要对树进行剪枝。
ID3算法:https://blog.csdn.net/weixin_43216017/article/details/87474045
CART算法:https://blog.csdn.net/weixin_43216017/article/details/87617727
决策树的剪枝:https://blog.csdn.net/weixin_43216017/article/details/87534496
在上一篇介绍ID3算法文章中,我们指出ID3算法采用信息增益作为标准,缺点在于会偏向分类更多的自变量,并且不能处理连续值。
在本文中,我们将介绍C4.5算法,采用信息增益比代替信息增益,从而减小某一自变量分类个数的影响。
我们假设使用的数据集为 D D D,待计算的自变量为 A A A, g ( D , A ) g(D,A) g(D,A)则信息增益比为:
g r ( D , A ) = g ( D , A ) H A ( D ) g_r(D,A) = \dfrac{g(D,A)}{H_A(D)} gr(D,A)=HA(D)g(D,A)
其中, H A ( D ) = − ∑ i = 1 n ∣ D i ∣ ∣ D ∣ l o g 2 ∣ D i ∣ ∣ D ∣ H_A(D) = -\sum_{i=1}^{n}\dfrac{|D_i|}{|D|}log_2\dfrac{|D_i|}{|D|} HA(D)