C4.5决策树算法原理学习

决策树

由于毕业设计的需要，C4.5算法被用来做数据预处理工作，这篇文章主要用于学习决策树相关概念以及C4.5算法的实现。ps：毕设需要的不是构建一个完整的决策树出来，而是得出所有属性的信息增益率，取前几，所以本文主要研究数学概念。

决策树的概念

决策树是一个预测模型；他代表的是对象属性与对象值之间的一种映射关系。

从数据产生决策树的机器学习技术叫做决策树学习, 通俗说就是决策树。

一个决策树包含三种类型的节点：

• 决策节点：通常用矩形框来表示
• 机会节点：通常用圆圈来表示
• 终结点：通常用三角形来表示

决策树是一种机器学习的方法。决策树的生成算法有ID3, C4.5和C5.0等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。

决策树是一种十分常用的分类方法，需要监管学习（有教师的Supervised Learning），监管学习就是给出一堆样本，每个样本都有一组属性和一个分类结果，也就是分类结果已知，那么通过学习这些样本得到一个决策树，这个决策树能够对新的数据给出正确的分类。

信息增益率

1. 计算类别信息熵

类别信息熵表示的是所有样本中各种类别出现的不确定性之和。根据熵的概念，熵越大，不确定性就越大，把事情搞清楚所需要的信息量就越多。

<