决策树（四）

标签：通过   序列   启发式   ref   分支   决策树   最大的   开始   样本   

 CART

简介

 Classification And Regression Tree, 分类回归树，简称CART。通过前面文章的介绍知道了决策树的几种生成方法比如ID3, C4.5等。CART是决策树有一种常见生成方法，既可以用于分类，也可以用于回归。CART假设决策树是二叉树，即，特征取值为“是”或者“否”，且约定左分支为取值“是”，右分支为取值“否”。通过递归二分每个特征，将输入空间划分为有限个区块，每个区块对应某一个输出值。

那么如何划分呢？

CART生成

对回归树采用平方误差最小化原则，对分类树采用基尼指数（前面文章有介绍）最小化原则，进行特征选择生成二叉树。

回归树

回归树对应输入空间（特征空间）的一个划分，以及划分的区域上的输出值。假设将输入空间划分为M个区域（Region）R₁, R₂, ... , R_M，每个区域上的输出值为c_m，m=1,2, ... , M，于是回归树的模型，即函数为

  (1)

其中 I 函数在输入值x属于区域R_m时为1，否则为0。

注意回归中输出也是连续值（虽然这里得到还是离散值，不过可以看作是阶跃函数），所以可以采用平方误差，在输入空间的划分确定后，对于某一个区域R_m，平方误差为输出真实值与模型值差的平方和（当然可以用开平方和，这里为了计算方便），

  (2)

将平方误差最小化，则可以求得每个区域上的输出c_m最优解，所以求(2)的极值，假设R_m上有n个样本点（虽然是回归是考虑的特征变量是连续型，但实际得到的样本都是离散的有限值），

   (3)

将(3)式求导，并令其等于0，

可以知道最优解为

       (4)

如此，就能求得每个区域R_m上的输出值。

以上是假设输入空间的划分已经确定之后所作的推导，那么问题来了，如何划分输入空间？这里采用启发式方法。

先任意选一输入特征，比如选择选择x^j（注意，这里与前面保持相同的约定，上标表示维度，即输入的第j个特征），以及这个特征的一个取值s，作为切分变量和切分点，于是得到两个区域R₁，R₂

然后寻找最优切分变量j 和最优切分点s，具体地，就是为了让平方误差最小，求解

     (5)

上式的含义是寻找j, s, c₁, c₂使得 R₁, R₂两个区域的平方误差最小，其中c₁, c₂分别是 R₁, R₂的输出值，根据(4)式，我们已经知道c₁, c₂的最优解为

也就是说c₁, c₂是由 j, s 确定，所以问题最终变为寻找最优 j, s

由于特征维度有限，且样本点也有限，所以 j, s 的可能值个数也是有限的，所以一种简单的方法是，遍历所有可能的j, s 组合，寻找 (5)值，得到最优 j, s，于是将输入空间划分为 R₁, R₂，然后，再分别对这两个区域重复相同的过程，各自再划分为两个区域，直到满足停止条件（比如区域中只剩一个数据样本，或者区域中所有样本输出值相等，或者样本输出值的波动在一个很小的阈值之内），这样就生成了一棵回归树，这样的回归树通常称为最小二乘回归树（least squares regression tree）。

算法

输入：训练数据集D

输出：回归树f(x)

1. 对某一区域R，选择最优切分变量j 和切分点 s。遍历变量 j，对某一切分变量j，扫描切分点s，对某一个切分点s，得到两个子区域R₁, R₂，然后计算最优输出值c₁, c₂，计算平方误差，如此下去，寻找 (5) 式的值，得到用对应的 j, s 值划分的区域R₁, R₂
2. 递归地，分别对子区域R₁, R₂ 进行步骤1，直到满足停止条件。
3. 将输入空间划分为M个区域，R₁, R₂, ... , R_M，（由于每一次都是二分切分，所以假设输入有J 维特征，则最终最多得到 2^J 个区域，因为考虑到停止条件，实际可能没这么多，M<=2^J，当然这个不重要），生成决策树由式(1)表示。

分类树

 分类树使用基尼指数选择最优特征，同时确定该特征对应的切分点。

前面讲决策树的时候介绍过基尼指数了，这里再啰嗦一下，省得翻到前面的文章中查看。对于一个分类问题，假设共有K个分类值，输入系统中属于k分类的概率为p_k，则系统的基尼指数为

   (6)

其含义是系统中本该是某一分类但实际又分类错误的可能性。基尼指数表征系统的不确定性，基尼指数越大，系统越不确定。比如抛硬币，正面向上概率为p，则反面向上概率为1-p，基尼指数为

Gini(0-1)=2*p*(1-p)              (7)

当p=0.5时，基尼指数最大，此时正面和反面向上概率均为0.5，不确定性达到最大，不知道抛硬币是正面还是反面向上，而当p=0.9时，基尼指数减少，系统不确定性也减小，抛硬币倾向于认为正面向上，极端地，p=1，基尼指数达到最小（为0），此时系统不确定性也最小，因为每次抛硬币，毫无疑问，正面向上。

对于样本集D而言，基尼指数为

      (8)

其中，|D|表示样本集D的数量，C_k表示分类值为c_k的样本子集，|C_k|表示C_k的数量。

条件基尼指数

如果样本集合D根据特征A取值是否为a而被二分得到两个子集，

则给定特征A的条件下，集合D经过A=a分割后的条件基尼指数为

         (9)

 算法

输入：训练数据集D

输出：CART分类树

1. 创建一个根结点，其切分属性和切分点以及子节点尚未确定，将训练数据集和根节点传给步骤2，此时可用特征为全部特征attrs。
2. 对数据集D和对应节点node，分别计算每个可用特征对D的条件基尼指数。假设某一特征A，其可能的每个取值假设为a，根据数据集中样本点在特征A上取值是否为a，将数据集D划分为D₁和D₂两个子集，根据(8)和(9)，计算条件基尼指数。选择条件基尼指数最小的A和对应的取值a，作为本次最优切分特征和切分点，将D切分为D₁和D₂两个子集。设置node节点切分属性为A，切分点为a，然后创建两个子节点（如果D₁和D₂不为空集），这两个子节点记为child1和child2，可用特征集合中去掉特征A。
3. 递归地，对(D₁,child1,attrs)，(D₂,child2,attrs)，如果满足停止条件（比如子集中样本点个数为1，或者样本点所有分类值都相同或样本集使用(8)计算的基尼指数小于阈值，或者递归深度足够深，或者子集合中样本数量小于阈值，此时分类值选择占比最大的那个分类值，反正无论如何，满足停止条件时我们确保可用分类值只有一个，假设分类值为c_k），则直接设置节点为叶节点，叶节点没有切分属性和切分点，故不需要设置，只需设置叶节点对应的分类值c_k；如果不满足停止条件，则分别执行步骤2。
4. 生成CART分类树

CART剪枝

与使用ID3或者C4.5策略生成的决策树一样，CART决策树也需要剪枝，使决策树变小（简单），从而避免过拟合，提高对未知数据的预测。这里剪枝过程是自下而上进行，从生成的决策树T0底端开始剪枝，直到T₀的根节点变成一个单节点，形成一个子树序列{T₀, T₁,... , T_n}（具体如何剪枝请继续阅读下文）。通过交叉验证法在独立的验证数据集上对剪枝后的树进行测试，从中选择最优子树。显然，这是对任意子树整体来考虑损失函数，最选择损失函数最小的那个子树作为最优子树。（这里的子树指的是对决策树T₀做某种剪枝后形成的新的决策树）

计算子树的损失函数

    (10)

其中， T为子树序列中的任一子树。C(T)为子树对数据集的预测误差（如基尼指数），|T|为子树的叶节点个数，α>=0为参数，C_α(T)为子树T的整体损失，包含预测误差和模型复杂度两部分。参数α权衡数据集的拟合程度和模型复杂度。

假设固定α，则一定存在损失函数最小的子树，将其表示为T_α，容易验证这样的最优子树是唯一的（可以通过对上面那个子树序列进行验证）。因为剪枝前C(T)比剪枝后C(T‘)小（这一点我们前面就已经有过说明，简单来说就是，剪枝前更多的子节点可以有更多的分类来表示不同分类值的数据点，而剪枝后只能用一个分类表示不同分类值的数据点），而剪枝前模型复杂度|T|比剪枝后模型复杂度|T‘|大，也就是说C(T)与|T|变化趋势相反，所以固定α后，我们可以找到C(T)与α|T|的一个平衡，在某个子树上使得(10)式最小，这个子树就是最有子树。当α增大时，打破C(T)与α|T|的平衡，使得偏重α|T|，此时需要通过剪枝，降低α|T|从而重新找到平衡（虽然C(T)会增大，但是没关系，总会找到一个新的平衡），所以α增大时，最优子树Tα变小；反过来，α减小时，最优子树Tα变大。极端地，当α=0时，T₀就是最优的（相当于此时没有考虑模型复杂度，生成的决策树是最优的，不需要剪枝，当然，这很理想）；当α->无穷大时，根节点组成的单节点树是最优的（此时模型复杂度必须降到最低，当然，这是懒癌重症者嫌麻烦搞的最简单的树）。

所以我们得到这个结论：

α增大时，最优子树Tα变小；α减小时，最优子树Tα变大。

Breiman等人证明：可以用递归的方法对树进行剪枝。将α从小增大，0=α₀<α₁<...<α_n<+∞，产生一些列的区间[α_i,α_i+1), i = 0,1, ... , n。剪枝得到的子树序列，序列中每个子树对应着区间α∈[α_i,α_i+1) 时的最优子树，即，α在不同区间中取值时的最优子树序列就是剪枝得到的子树序列，且序列中的子树是嵌套的（即T₁是T₀的子树，T₂是T₁的子树...这句话可以通过阅读下文对剪枝过程的阐述来理解）。

具体地，从整体树T₀开始剪枝，对T₀的任意内部节点t，考虑是否对节点t进行剪枝，

以t为单节点树的损失函数为

以t为根结点的子树Tt的损失函数为

根据上面的讨论，当α足够小时，

当α增大时，在某一α_t处找到平衡，有

此后α继续增大，则有

当α=αt时，Tt与t有相同的损失函数，而t的节点少，所以对Tt进行剪枝（α>α_t时，同样是对T_t进行剪枝，下文可以看到我们其实要求的是最小的g(t)，也就是最小的α，所以这里我们只关心α=α_t的情况，α_t也可以看成是一个阈值，我们关心这个阈值），

对T0中每一内部节点t，计算

   (11)

在T₀中减去g(t)最小的T_t，得到的子树作为T₁，同时将此时的g(t)记为α₁，则T₁就是区间[α₁,α₂)上的最优子树。

 所以我们可以归纳一下，T₀就是对应区间[α0,α1)上的最优子树，其中α0是已知的，为α₀=0，增加α，当α达到min{g(t)}时，此时需要剪枝，根据上面的分析，此时的最优子树为次大的（仅比T₀小），记为T₁，所以T₁就是区间[α₁,α₂)上的最优子树。然后对T₁的所有内部节点，计算最小的g(t)，此为α₂，从T₁中减去α₂对应的内部节点，得到T₂，所以T₂就是区间[α₂,α₃)上的最优子树，如此剪枝下去，直到根节点（且没有内部节点可以剪枝，此时根节点必然有两个子节点，因为CART是二叉树），得到子树序列。

算法

输入：CART算法生成的决策树T₀

输出：最优决策树T_α

1. 令k=0，T=T₀
2. 令α=+∞
3. 自下而上对树T的内部节点t分别计算C(T_t)，|Tt|以及
     ，

4. 自下而上的访问各内部节点t，如果有g(t)=α，则进行剪枝，并对新的叶节点t以多数表决决定其类，得到树T

5.  k=k+1，α_k=α，T_k = T

6. 如果T_k不是由根结点及两个叶节点组成的树，则跳至步骤2，否则对生成的子树序列{T_k|k=0,1, ... , n}，使用交叉验证法计算各子树的平方误差或基尼指数，最小的值就是最优子树T_α

ref

• 统计学习方法，李航

决策树（四）

标签：通过   序列   启发式   ref   分支   决策树   最大的   开始   样本   

原文地址：http://www.cnblogs.com/sjjsxl/p/6915477.html