机器学习之决策树详细讲解及代码讲解

决策树讲解

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。

	机器学习中分类和预测算法的评估：
	
	准确率
	速度
	强壮行
	可规模性
	可解释性

1. 什么是决策树/判定树（decision tree)?

判定树是一个类似于流程图的树结构：其中，每个内部结点表示在一个属性上的测试，每个分支代表一个属性输出，而每个树叶结点代表类或类分布。树的最顶层是根结点。

2. 机器学习中分类方法中的一个重要算法

3. 构造决策树的基本算法 分支 根结点
   结点
   树叶

   3.1 熵（entropy）概念：

     信息和抽象，如何度量？
     1948年，香农提出了 ”信息熵(entropy)“的概念
     一条信息的信息量大小和它的不确定性有直接的关系，要搞清楚一件非常非常不确定的事情，或者          
     是我们一无所知的事情，需要了解大量信息==>信息量的度量就等于不确定性的多少
     
     例子：猜世界杯冠军，假如一无所知，猜多少次？
     每个队夺冠的几率不是相等的
     
     比特(bit)来衡量信息的多少
   
     
   
     
   
     变量的不确定性越大，熵也就越大
   

   3.1 决策树归纳算法 （ID3）

     1970-1980， J.Ross. Quinlan, ID3算法
   
     选择属性判断结点
   
     信息获取量(Information Gain)：Gain(A) = Info(D) - Infor_A(D)
     通过A来作为节点分类获取了多少信息
   
           
     
   
   
     
   
     
     
   
      类似，Gain(income) = 0.029, Gain(student) = 0.151, Gain(credit_rating)=0.048
   
     所以，选择age作为第一个根节点