决策树:从根节点开始一步步走到叶子节点(决策),既可以做分类也可以做回归。
树有以下几部分组成:
根节点:第一个选择点
非叶子节点与分支:中间过程
叶子节点:最终的决策结果
决策树特征的切分
通过一种衡量标准,来计算通过不同特征进行分支选择后的分类情况,找出来最好的那个当成根节点。
衡量标准-熵
熵:熵是表示随机变量不确定性的度量(解释:说白了就是物体内部的混乱程度,比如杂货市场里面什么都有那肯定混乱呀,专卖店里面只卖一个牌子的那就稳定多啦)
熵的公式:H(X)=-Σ pi * logpi, i=1,2, ... , n
一个例子:A集合[1,1,1,1,1,1,1,1,2,2] B集合[1,2,3,4,5,6,7,8,9,1]
显然A集合的熵值要低,因为A里面只有两种类别,相对稳定一些,而B中类别太多了,熵值就会大很多。
熵:不确定性越大,得到的熵值也就越大
当p=0或p=1时,H(p)=