标签：离散 信息增益 ESS 投票 怎么 子节点 解释 抽取 关注
**本文转自https://www.cnblogs.com/fionacai/p/5894142.html**
</font>
<br><br>
<p>首先，在了解树模型之前，自然想到树模型和线性模型有什么区别呢？其中最重要的是，树形模型是一个一个特征进行处理，之前线性模型是所有特征给予权重相加得到一个新的值。决策树与逻辑回归的分类区别也在于此，逻辑回归是将所有特征变换为概率后，通过大于某一概率阈值的划分为一类，小于某一概率阈值的为另一类；而决策树是对每一个特征做一个划分。另外逻辑回归只能找到线性分割（输入特征x与logit之间是线性的，除非对x进行多维映射），而决策树可以找到非线性分割。<br>
而树形模型更加接近人的思维方式，可以产生可视化的分类规则，产生的模型具有可解释性（可以抽取规则）。树模型拟合出来的函数其实是分区间的阶梯函数。<br>
决策树学习：采用自顶向下的递归的方法，基本思想是以信息熵为度量构造一棵熵值下降最快的树，到叶子节点处熵值为0（叶节点中的实例都属于一类）。<br>
其次，需要了解几个重要的基本概念：根节点（最重要的特征）；父节点与子节点是一对，先有父节点，才会有子节点；叶节点（最终标签）。</p>
<h1><a name="t0"></a><a id="_12" target="_blank"></a>一、决策树</h1>
<p>决策树生成的数学表达式：</p>
<p><img src="https://img-blog.csdnimg.cn/20181119101245567.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzMxMTg0,size_16,color_FFFFFF,t_70" alt="在这里插入图片描述"><br>
<img src="https://img-blog.csdnimg.cn/20181119101347561.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzMxMTg0,size_16,color_FFFFFF,t_70" alt="在这里插入图片描述"><br>
<strong>决策树的生成：</strong><br>
决策树思想，实际上就是寻找最纯净的划分方法，这个最纯净在数学上叫纯度，纯度通俗点理解就是目标变量要分得足够开（y=1的和y=0的混到一起就会不纯）。另一种理解是分类误差率的一种衡量。实际决策树算法往往用到的是，纯度的另一面也即不纯度，下面是不纯度的公式。不纯度的选取有多种方法，每种方法也就形成了不同的决策树方法，比如ID3算法使用信息增益作为不纯度；C4.5算法使用信息增益率作为不纯度；CART算法使用基尼系数作为不纯度。<br>
<img src="https://img-blog.csdnimg.cn/20181119101400506.png" alt="在这里插入图片描述"><br>
决策树要达到寻找最纯净划分的目标要干两件事，建树和剪枝</p>
<h2><a name="t1"></a><a id="_23" target="_blank"></a>建树：</h2>
<h2><a name="t2"></a><a id="_25" target="_blank"></a>如何按次序选择属性</h2>
<p>也就是首先树根上以及树节点是哪个变量呢？这些变量是从最重要到次重要依次排序的，那怎么衡量这些变量的重要性呢？ ID3算法用的是信息增益，C4.5算法用信息增益率；CART算法使用基尼系数。决策树方法是会把每个特征都试一遍，然后选取那个，能够使分类分的最好的特征，也就是说将A属性作为父节点，产生的纯度增益（GainA）要大于B属性作为父节点，则A作为优先选取的属性。<br>
<img src="https://img-blog.csdnimg.cn/20181119101415444.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzMxMTg0,size_16,color_FFFFFF,t_70" alt="在这里插入图片描述"><br>
<img src="https://img-blog.csdnimg.cn/20181119101421479.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzMxMTg0,size_16,color_FFFFFF,t_70" alt="在这里插入图片描述"></p>
<p>（根据log(x)的函数可知，p值越小，熵越大，所以当分组完全是会出现p=0此时熵最大）</p>
<h2><a name="t3"></a><a id="_34" target="_blank"></a>如何分裂训练数据（对每个属性选择最优的分割点）</h2>
<p>如何分裂数据也即分裂准则是什么？依然是通过不纯度来分裂数据的，通过比较划分前后的不纯度值，来确定如何分裂。</p>
<p>下面做具体的介绍：<br>
——CART算法：既可以做分类，也可以做回归。只能形成二叉树。</p>
<p>分支条件：二分类问题<br>
分支方法：对于连续特征的情况：比较阈值，高于某个阈值就属于某一类，低于某个阈值属于另一类。对于离散特征：抽取子特征，比如颜值这个特征，有帅、丑、中等三个水平，可以先分为帅和不帅的，不帅的里面再分成丑和中等的。<br>
得分函数（y）：就是上面提到的gt(x)，对于分类树取得是分类最多的那个结果（也即众数），对于回归树取得是均值。<br>
损失函数：其实这里的损失函数，就是分类的准则，也就是求最优化的准则<br>
对于分类树（目标变量为离散变量）：同一层所有分支假设函数的基尼系数的平均。<br>
对于回归树（目标变量为连续变量）：同一层所有分支假设函数的平方差损失<br>
对于分类树（目标变量为离散变量）：使用基尼系数作为分裂规则。比较分裂前的gini和分裂后的gini减少多少，减少的越多，则选取该分裂规则，这里的求解方法只能是离散穷举。关于基尼系数，可以参考周志华的西瓜书决策树那章，讲得比较简洁，也比较易懂。“直观来说，（数据集D的基尼系数）Gini(D)反映了从数据集D中随机抽取两个样本，其类别标记不一致的概率，因此Gini(D)越小，则数据集D的纯度越高。”<br>
具体这个的计算，我觉得有例子才好理解，下面这个红绿球的例子很好的说明了，如何根据损失函数最小（也就是基尼系数最小）来选取分裂规则。最后GIINs2更小，因此选择它作为分类规则。<br>
<img src="https://img-blog.csdnimg.cn/20181119101446979.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzMxMTg0,size_16,color_FFFFFF,t_70" alt="在这里插入图片描述"><br>
对于回归树（目标变量为连续变量）：使用最小方差作为分裂规则。只能生成二叉树。<br>
<br> <br></p>
<h2><a name="t4"></a><a id="CART_53" target="_blank"></a>CART与逻辑回归的比较：</h2>
<p><img src="https://img-blog.csdnimg.cn/20181119101537624.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzMxMTg0,size_16,color_FFFFFF,t_70" alt="在这里插入图片描述"><br>
主要优缺点如下图。缺点补充几点，不是很稳点，数据变化一点，你的树就会发生变化；没有考虑变量之间相关性，每次筛选都只考虑一个变量（因此不需要归一化）；只能线性分割数据；贪婪算法（可能找不到最好的树）。优点也补充三点，同时可以处理分类变量和数值变量（但是可能决策树对连续变量的划分并不合理，所以可以提前先离散化）；可以处理多输出问题；另外决策树不需要做变量筛选，它会自动筛选；适合处理高维度数据。<br>
<img src="https://img-blog.csdnimg.cn/20181119101548342.png" alt="在这里插入图片描述"><br>
ID3算法：使用信息增益作为分裂的规则，信息增益越大，则选取该分裂规则。多分叉树。信息增益可以理解为，有了x以后对于标签p的不确定性的减少，减少的越多越好，即信息增益越大越好。<br>
<img src="https://img-blog.csdnimg.cn/20181119101557239.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzMxMTg0,size_16,color_FFFFFF,t_70" alt="在这里插入图片描述"><br>
C4.5算法：使用信息增益率作为分裂规则（需要用信息增益除以，该属性本身的熵），此方法避免了ID3算法中的归纳偏置问题，因为ID3算法会偏向于选择类别较多的属性（形成分支较多会导致信息增益大）。多分叉树。连续属性的分裂只能二分裂，离散属性的分裂可以多分裂，比较分裂前后信息增益率，选取信息增益率最大的。<br>
<img src="https://img-blog.csdnimg.cn/20181119101605827.png" alt="在这里插入图片描述"><br>
三种方法对比：<br>
ID3的缺点，倾向于选择水平数量较多的变量，可能导致训练得到一个庞大且深度浅的树；另外输入变量必须是分类变量（连续变量必须离散化）；最后无法处理空值。<br>
C4.5选择了信息增益率替代信息增益。<br>
CART以基尼系数替代熵；最小化不纯度而不是最大化信息增益。</p>
<h2><a name="t5"></a><a id="_67" target="_blank"></a>剪枝：</h2>
<h2><a name="t6"></a><a id="_69" target="_blank"></a>如何停止分裂</h2>
<p>下面这六种情况都会停止分裂。其中第一种其实属于树的完全长成，但这会出现过拟合问题，所有之前很流行一种抑制这种情况的方法，叫树的剪枝。树的剪枝分为预剪枝和后剪枝，预剪枝，及早的停止树增长控制树的规模，方法可以参考如下6点停止分类的条件。后剪枝在已生成过拟合决策树上进行剪枝，删除没有意义的组，可以得到简化版的剪枝决策树，包括REP（设定一定的误分类率，减掉对误分类率上升不超过阈值的多余树）、PEP，还有一种CCP，即给分裂准则—基尼系数加上惩罚项，此时树的层数越深，基尼系数的惩罚项会越大。<br>
<img src="https://img-blog.csdnimg.cn/20181119101616190.png" alt="在这里插入图片描述"><br>
<img src="https://img-blog.csdnimg.cn/20181119101622445.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzMxMTg0,size_16,color_FFFFFF,t_70" alt="在这里插入图片描述"></p>
<h1><a name="t7"></a><a id="_75" target="_blank"></a>二、随机森林</h1>
<p>尽管有剪枝等等方法，一棵树的生成肯定还是不如多棵树，因此就有了随机森林，解决决策树泛化能力弱的缺点。（可以理解成三个臭皮匠顶过诸葛亮）<br>
而同一批数据，用同样的算法只能产生一棵树，这时Bagging策略可以帮助我们产生不同的数据集。Bagging策略来源于bootstrap aggregation：从样本集（假设样本集N个数据点）中重采样选出Nb个样本（有放回的采样，样本数据点个数仍然不变为N），在所有样本上，对这n个样本建立分类器（ID3\C4.5\CART\SVM\LOGISTIC），重复以上两步m次，获得m个分类器，最后根据这m个分类器的投票结果，决定数据属于哪一类。</p>
<h2><a name="t8"></a><a id="bagging_80" target="_blank"></a>随机森林在bagging的基础上更进一步：</h2>
<ol>
<li>样本的随机：从样本集中用Bootstrap随机选取n个样本</li>
<li>特征的随机：从所有属性中随机选取K个属性，选择最佳分割属性作为节点建立CART决策树（泛化的理解，这里面也可以是其他类型的分类器，比如SVM、Logistics）</li>
<li>重复以上两步m次，即建立了m棵CART决策树</li>
<li>这m个CART形成随机森林，通过投票表决结果，决定数据属于哪一类（投票机制有一票否决制、少数服从多数、加权多数）</li>
</ol>
<p>关于调参：<br>
1.如何选取K，可以考虑有N个属性，取K=根号N<br>
2.最大深度（不超过8层）<br>
3.棵数<br>
4.最小分裂样本树<br>
5.类别比例</p>
<h1><a name="t9"></a><a id="python_95" target="_blank"></a>三、python实现代码</h1>
<p><img src="https://img-blog.csdnimg.cn/2018111910163310.png" alt="在这里插入图片描述"><br>
<img src="https://img-blog.csdnimg.cn/2018111910163891.png" alt="在这里插入图片描述"><br>
决策树的重要参数都是防止过拟合的. 有2个参数是关键，min_samples_leaf 这个sklearn的默认值是1，经验上必须大于100，如果一个节点都没有100个样本支持他的决策，一般都被认为是过拟合；max_depth 这个参数控制树的规模。决策树是一个非常直观的机器学习方法。一般我们都会把它的决策树结构打印出来观察，如果深度太深对于我们的理解是有难度的。<br>
<font color="#B22222"><br>
<strong><strong>更多案例请关注“思享会Club”公众号或者关注思享会博客：<a href="http://gkhelp.cn/" rel="nofollow" target="_blank">http://gkhelp.cn/</a></strong></strong><br>
</font><img src="https://img-blog.csdnimg.cn/20181119101647150.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzMxMTg0,size_16,color_FFFFFF,t_70" alt="在这里插入图片描述"></p>
<font color="#B22222"><br>
<strong><strong>本文转载自：<a >https://blog.csdn.net/qq_37331184/article/details/84231816</a></strong></strong><br>
标签：离散 信息增益 ESS 投票 怎么 子节点 解释 抽取 关注
原文地址：https://www.cnblogs.com/laoqiandata/p/9986136.html
