提示:后续精简
一、基本流程
- 决策树(decision tree) 决策树是基于树结构来进行决策的
- 一般的,一个决策树包含一个根节点、若干个内部节点和若干个叶节点;叶结点对应于决策结果,其他每个结点则对应于一个属性测试;每个结点包含的样本集合根据属性测试的结果被划分到子节点中;根结点包含样本全集
- 决策树学习的目的是为了产生一颗泛化能力强,即处理未见示例能力强的决策树,其基本流程遵循简单且直观的 “分而治之”(divide-and-conquer) 策略
- 决策树的生成是一个递归过程,有三种情形会导致递归返回:(1)当前结点包含的样本全属于同一个类别,无需划分;(2)当前属性集为空,或是所有样本在所有属性上取值相同,无法划分;(3)当前结点包含的样本集合为空,不能划分
二、划分选择
- 如何选择最优划分属性,我们希望决策树的分支结点所包含的样本尽可能属于同一类别,即结点的 “纯度”(purity) 越来越高
1.信息增益
- “信息熵”(information entropy)是度量样本集合纯度最常用的一种指标,假定当前样本集合D中第k类样本所占比例为
p
k
(
k
=
1
,
2
,
⋯
,
∣
y
∣
)
p_k(k=1,2,\cdots,|y|)
pk(k=1,2,⋯,∣y∣)
E n t ( D ) = − ∑ k = 1 ∣ y ∣ p k l o g 2 p k Ent(D)=-\sum_{k=1}^{|y|}p_klog_2 p_k Ent(D)=−k=1∑∣y∣pklog2pk
E n t ( D ) Ent(D) Ent(D)的值越小,则D的纯度越高。 - “信息增益”(information gain)
G a i n ( D , a ) = E n t ( D ) − ∑ v = 1 V ∣ D v ∣ ∣ D ∣ E n t ( D v ) Gain(D,a)=Ent(D)-\sum_{v=1}^V\frac{|D^v|}{|D|}Ent(D^v) Gain(D,a)=Ent(D)−v=1∑V∣D∣∣Dv∣Ent(Dv)
a 离散属性,V个可能取值,第v个分支结点包含了D中所有在属性a取值为 a v a^v av的样本,记为 D v D^v Dv,给分支结点赋予权重 ∣ D v ∣ / ∣ D ∣ |D^v|/|D| ∣Dv∣/∣D∣。 - 信息增益越大,则意味着使用属性a进行划分所获得的“纯度提升”越大
a ∗ = arg max a ∈ A G a i n ( D , a ) a_*=\underset {a\in A}{\operatorname {arg\, max}}Gain(D,a) a∗=a∈AargmaxGain(D,a) - ID3决策树学习算法就是以信息增益为准则来选择划分属性
自行阅读书中西瓜利用ID3划分的例子
2.增益率
信息增益准则对取值数目较多的属性有所偏好
- C4.5决策树 算法不直接使用信息增益,而是使用 “增益率”(gain ratio) 来选择最优划分属性
G a i n _ r a t i o ( D , a ) = G a i n ( D , a ) I V ( a ) Gain\_ratio(D,a)=\frac{Gain(D,a)}{IV(a)} Gain_ratio(D,a)=IV(a)Gain(D,a)
其中
I V ( a ) = − ∑ v = 1 V ∣ D v ∣ ∣ D ∣ l o g 2 ∣ D v ∣ ∣ D ∣ IV(a)=-\sum_{v=1}{V}\frac{|D^v|}{|D|}log_2\frac{|D^v|}{|D|} IV(a)=−v=1∑V∣D∣∣Dv∣log2∣D∣∣Dv∣
称为属性a的 “固有值”(intrinsic value),属性a的可能取值数目越多(即V越大),则 I V ( a ) IV(a) IV(a)的值通常会越大 - 信息增益率对可取值数目较少的属性有所偏好,因此C4.5算法并不是直接选择信息增益率最大的候选划分属性,而是使用了一个 启发式:先从候选划分属性中找出信息增益高于平均水平的属性,再从中选择增益率最高的
3.基尼指数
-
CART决策树使用“基尼指数”(Gini index)来选择划分属性,数据集D的纯度可用基尼值来度量
G i n i ( D ) = ∑ k = 1 ∣ y ∣ ∑ k ′ ≠ k p k p k ′ = 1 − ∑ k = 1 ∣ y ∣ p k 2 \begin{aligned} Gini(D)&=\sum_{k=1}^{|y|}\sum_{k'\ne k}p_kp_{k'}\\ &=1-\sum_{k=1}^{|y|}p_k^2 \end{aligned} Gini(D)=k=1∑∣y∣k′=k∑pkpk′=1−k=1∑∣y∣pk2
Gini(D)越小,则数据集D的纯度越高 -
属性a的基尼指数定义为
G i n i _ i n d e x ( D , a ) = ∑ v = 1 V ∣ D v ∣ ∣ D ∣ G i n i ( D v ) Gini\_index(D,a)=\sum_{v=1}^V\frac{|D^v|}{|D|}Gini(D^v) Gini_index(D,a)=v=1∑V∣D∣∣Dv∣Gini(Dv)
在候选属性集合A中,选择那个划分后基尼指数最小的属性作为最优划分属性 a ∗ = arg min a ∈ A G i n i _ i n d e x ( D , a ) a_*=\underset {a\in A}{\operatorname {arg\, min}}Gini\_index(D,a) a∗=a∈AargminGini_index(D,a)
3.剪枝处理
剪枝(pruning) 是决策树学习算法对付“过拟合”的主要手段
- “预剪枝”(prepruning) 是指在决策树生成过程中,对每个结点在划分前先进行估计,若当前结点的划分不能带来决策树泛化性能提升,则停止划分当前结点标记为叶结点;
- “后剪枝”(post-pruning) 是先从训练集生成一颗完整的决策树,然后从底向上地对非叶结点进行考察,若将结点对应的子树替换为叶结点能带来决策树泛化性能提升,则将该子树替换为叶结点
- “决策树状”(decision stump) 一颗仅有一层划分的决策树
- 预剪枝基于“贪心” 本质禁止某些分支展开,给预剪枝决策树带来欠拟合风险。
- 后剪枝欠拟合风险小,泛化性能好,但开销大
四、连续值与缺失值
1.连续值处理
- 连续属性离散化技术,最简单的策略是采用二分法(bi-partition)对连续属性进行处理,这正式C4.5决策树算法采用的机制。
- 样本取值,从小到大排序,
{
a
1
,
a
2
,
⋯
,
a
n
}
\{a^1,a^2, \cdots,a^n\}
{a1,a2,⋯,an},基于划分点t可将D分为两个子集
D
t
−
D_t^-
Dt−和
D
t
+
D_t^+
Dt+,我们可考察包含n-1个元素的候选划分集合
T a = { a i + a i + 1 2 ∣ 1 ≤ i ≤ n − 1 } , T_a = \{\frac{a^i+a^{i+1}}{2}|1\le i \le n-1\}, Ta={2ai+ai+1∣1≤i≤n−1},
然后就可以像离散属性值一样来考察这些划分点,选取最优的划分点进行样本集合的划分
G a i n ( D , a ) = max t ∈ T a G a i n ( D , a , t ) = max t ∈ T a E n t ( D ) − ∑ λ ∈ { − , + } ∣ D t λ ∣ ∣ D ∣ E n t ( D t λ ) \begin{aligned} Gain(D,a) &= \underset {t\in T_a}{\operatorname {max}}\quad Gain(D,a,t)\\ & = \underset {t\in T_a}{\operatorname {max}}\quad Ent(D) - \sum_{\lambda\in \{-,+\}}\frac{|D_t^\lambda|}{|D|}Ent(D_t^\lambda) \end{aligned} Gain(D,a)=t∈TamaxGain(D,a,t)=t∈TamaxEnt(D)−λ∈{−,+}∑∣D∣∣Dtλ∣Ent(Dtλ)
其中 G a i n ( D , a , t ) Gain(D,a,t) Gain(D,a,t)是样本集D基于划分点 t t t二分后的信息增益,选择使 G a i n ( D , a , t ) Gain(D,a,t) Gain(D,a,t)最大化的划分点 - 当前结点划分属性为连续属性,该属性还可作为后代结点的划分属性
2.缺失值处理
给定训练集D和属性a,令
D
~
\tilde{D}
D~表示D中属性a上没有缺失值的样本子集,属性a有V个取值,属于第k类标记,
D
~
=
U
k
=
1
∣
y
∣
D
~
k
\tilde D = U_{k=1}^{|y|} \tilde D_k
D~=Uk=1∣y∣D~k,
D
~
=
U
v
=
1
∣
V
∣
D
~
v
\tilde D = U_{v=1}^{|V|} \tilde D_v
D~=Uv=1∣V∣D~v,假定我们为每个样本
x
\pmb x
xxx赋予一个权重
w
x
w_x
wx,并定义
ρ
=
∑
x
∈
D
~
w
x
∑
x
∈
D
w
x
p
~
k
=
∑
x
∈
D
~
k
w
x
∑
x
∈
D
~
w
x
(
1
≤
k
≤
∣
y
∣
)
,
r
~
v
=
∑
x
∈
D
~
v
w
x
∑
x
∈
D
~
w
x
(
1
≤
v
≤
∣
V
∣
)
,
\rho=\frac{\sum_{x\in \tilde D}w_x}{\sum_{x\in D}w_x}\\ \tilde p_k=\frac{\sum_{x\in \tilde D_k}w_x}{\sum_{x\in \tilde D}w_x} \quad(1\le k\le|y|),\\ \tilde r_v = \frac{\sum_{x \in \tilde D^v}w_x}{\sum_{x\in \tilde D}w_x} \quad(1\le v\le|V|),
ρ=∑x∈Dwx∑x∈D~wxp~k=∑x∈D~wx∑x∈D~kwx(1≤k≤∣y∣),r~v=∑x∈D~wx∑x∈D~vwx(1≤v≤∣V∣),
对属性a,
ρ
\rho
ρ表示无缺失值样本所占的比例,
p
~
k
\tilde p_k
p~k表示无缺失值样本第k类所占比例,
r
~
v
\tilde r_v
r~v则表示无缺失值样本中在属性a上取值
a
v
a^v
av的样本所占比例。
∑
k
=
1
∣
y
∣
p
~
k
=
1
\sum_{k=1}^{|y|} \tilde p_k=1
∑k=1∣y∣p~k=1,
∑
v
=
1
V
r
~
v
=
1
\sum_{v=1}^V \tilde r_v=1
∑v=1Vr~v=1
信息增益的计算式推广为
G
a
i
n
(
D
,
a
)
=
ρ
×
G
a
i
n
(
D
~
,
a
)
=
ρ
×
(
E
n
t
(
D
~
)
−
∑
v
=
1
V
r
~
v
E
n
t
(
D
~
v
)
)
\begin{aligned} Gain(D,a)&=\rho \times Gain(\tilde D,a)\\ &=\rho \times(Ent(\tilde D)-\sum_{v=1}^{V}\tilde r_vEnt(\tilde D^v)) \end{aligned}
Gain(D,a)=ρ×Gain(D~,a)=ρ×(Ent(D~)−v=1∑Vr~vEnt(D~v))
其中
E
n
t
(
D
~
)
=
−
∑
k
=
1
∣
y
∣
p
~
k
l
o
g
2
p
~
k
Ent(\tilde D)=-\sum_{k=1}^{|y|}\tilde p_k log_2 \tilde p_k
Ent(D~)=−k=1∑∣y∣p~klog2p~k
- 直观上来看,就是让同一个样本以不同的概率划入到不同的子节点中去。C4.5使用了上述算法
五、多变量决策树
-
决策树所形成的边界有一个明显特点:轴平行(axis-parallel) ,即它的分类边界由若干个与坐标轴平行的分段组成
-
“多变量决策树”(multivariate decision tree) 每个非叶结点不再是仅对某个属性,例如,每个非叶结点是一个形如 ∑ i = 1 d w i a i = t \sum_{i=1}^{d}w_ia_i=t ∑i=1dwiai=t的线性分类器,其中 w i w_i wi是属性 a i a_i ai的权重,与传统 “单变量决策树”(univariate decision tree) 。