标签：构造 机器学习 分类 统计 htm logs log 介绍 描述
决策树是一种很基本的分类与回归方法，但正如前面博文机器学习排序算法：RankNet to LambdaRank to LambdaMART中所讲的LambdaMART算法一样，这种最基本的算法却是很多经典、复杂、高效的机器学习算法的基础。关于什么是决策树，网上一搜就会有很多博客文章，所以本文并不想讨论这个话题。本文想讨论的是决策树中两个非常重要的决策指标：熵和基尼指数。熵和基尼指数都是用来定义随机变量的不确定性的指标。下面先介绍什么是随机变量的不确定性。
什么是随机变量的不确定性？举个例子，比如一个班级有50个同学，每个同学都有且仅有一部智能手机，问：如果任意选择一位同学，他可能用什么品牌的手机？如果这个班的同学全部都用苹果手机，那这个问题很好回答，也即“从这个班中任意选取的一位同学用什么品牌的手机”这个随机变量是确定的，不确定性为0。但如果这个班级中$\frac{1}{3}$的同学用小米手机，$\frac{1}{3}$的同学用苹果手机，其余$\frac{1}{3}$的同学用华为手机，这种情况下，这个变量的不确定性明显增大了。那接下来就需要考虑另外一个问题：什么情况下，这个变量的不确定性最大呢？直观来看，如果每个同学都使用不同品牌的手机时，这个变量的不确定性应该最大的。理解了随机变量的不确定性后，就更容易理解下面介绍的熵和基尼指数的定义。
在信息论与概率统计中，熵是最基础的概念，其表示随机变量不确定的度量。设$X$是一个取有限个值的离散随机变量，其概率分布为：
$$P(X=x_i)=p_i, i=1,2,...,n$$
则随机变量$X$的熵定义为：
$$H(X)=-\sum_{i=1}^{n}p_i\log{p_i}$$
为了使上式有意义，定义$0\log{0}=0$。因为熵的定义只依赖于$X$的分布，而与$X$的取值无关，所以我们可以将熵看成是分布的函数:
$$H(p)=-\sum_{i=1}^{n}p_i\log{p_i}$$
上面说到均匀分布的熵最大，但这只是直观的感觉，并没有证明。下面利用拉格朗日乘子法进行证明。根据拉格朗日乘子的可以将$H(p)$改写成：
$$H(p)=-\sum_{i=1}^{n}p_i\log{p_i}+\lambda \left(\sum_{i=1}^{n}p_i-1\right)$$
$H(p)$对每个$p_i$求导，得到：
$$\frac{\partial{H(p)}}{\partial{p_i}}=-\ln{p_i}-1+\lambda=0,i=1,2,...,n$$
由$-\ln{p_i}-1+\lambda=0$可以得到$p_i=e^{\lambda-1}, i=1,2,...,n$
所以可知$p_i$是只与$\lambda$相关的值，每个$p_i$应该都相等，即$p_1=p_2=...=p_n=\frac{1}{n}$，此时$H(p)$取得最大值$\log{n}$。由此可知熵的值域是$[0,\log{n}]$。
基尼指数是经典决策树CART用于分类问题时选择最优特征的指标。假设有$K$个类，样本点属于第$k$类的概率为$p_k$，则概率分布的基尼指数定义为：
$$G(p)=\sum_{k=1}^{K}p_k(1-p_k)=1-\sum_{k=1}^{K}p_k^2$$
满足条件$\sum_{k=1}^{K}p_k=1$
正如上面所说，基尼指数同样可以描述一个随机变量的不确定性的程度，所以可以猜测：当$p_1=p_2=...=p_K=\frac{1}{K}$时，$G(p)$取得最大值，此时随机变量最不确定。那么，如何进行证明？下面给出两种方法。
方法1：同样可以使用拉格朗日乘子法进行证明。根据拉格朗日乘子的性质，改写$G(p)$函数为：
$$G(p)=1-\sum_{k=1}^{K}p_k^2+\lambda \left(\sum_{k=1}^{K}p_k - 1\right)$$
$G(p)$对每个$p_i$求导，得到：
$$\frac{\partial{G(p)}}{\partial{p_i}}=-2p_i+\lambda=0,i=1,2,...,K$$
由$-2p_i+\lambda=0$可知$p_i$同样只与常数$\lambda$相关，所以$p_1=p_2=...=p_K=\frac{1}{K}$
$G(p)$的值域为$[0,1-\frac{1}{K}]$。
方法2：构造$K$为空间中的两个点$P_1=[p_1,p_2,...,p_K]^T$和$P_2=[\frac{1}{K},\frac{1}{K},...,\frac{1}{K}]^T$，其夹角为$\theta$，所以：
$$\cos\theta=\frac{P_1\cdot P_2}{|P_1|\cdot |P_2|}=\frac{[p_1,p_2,...,p_K]\cdot [\frac{1}{K},\frac{1}{K},...,\frac{1}{K}]}{\sqrt{p_1^2+p_2^2+...+p_K^2}\cdot \sqrt{\frac{1}{K^2}+\frac{1}{K^2}+...+\frac{1}{K^2}}}\leq{1}$$
所以：
$$\sum_{k=1}^{K}p_k^2\ge \frac{(\sum_{k=1}^{K}p_k)^2}{K}$$
于是：
$$G(p)\leq 1-\frac{(\sum_{k=1}^{K}p_k)^2}{K}=1-\frac{1}{K}$$
等号在$p_1=p_2=...=p_K=\frac{1}{K}$时达到。
标签：构造 机器学习 分类 统计 htm logs log 介绍 描述
原文地址：https://www.cnblogs.com/genyuan/p/9827638.html
