熱線電話：13121318867

登錄
首頁大數據時代如何快速簡單的理解決策樹的概念？
如何快速簡單的理解決策樹的概念？
2020-07-09
收藏

決策樹(Decision Tree)是機器學習中一種常見的算法，它的思想非常樸素，就像我們平時利用選擇做決策的過程。決策樹是一種基本的分類與回歸方法，當被用于分類時叫做分類樹，被用于回歸時叫做回歸樹。

一、決策樹結構：

顧名思義，決策樹在邏輯上表現為樹的形式，包含有節點和向邊。

一般情況下，一棵決策樹包含一個根結點、若干個內部結點和若干個葉結點。

根節點：包含樣本全集，從根結點到每個葉結點的路徑對應了一個判定測試序列。

內部節點：表示一個特征和屬性。每個內部節點都是一個判斷條件，并且包含數據集中，滿足從根節點到該節點所有條件的數據的集合。根據內部結點的屬性測試結果，內部節點對應的數據的集合別分到兩個或多個子節點中。

葉節點：表示一個類，對應于決策結果。葉節點為最終的類別，如果該數據被包含在該葉節點，則屬于該類別。

如下圖中，其中圓和方框分別表示內部結點和葉結點。

簡而言之，決策樹是一個利用樹的模型進行決策的預測模型，表現出的是對象屬性與對象值之間的一種映射關系，簡單明了，非常容易理解。

我們決策樹學習的目的是為了產生一棵泛化能力強，也就是能夠高效、有效處理未見示例的決策樹。

二、決策樹的優缺點：

1.決策樹的最大優點是，對背景知識要求不高，計算復雜度也不是很高，可以自學習。

2.屬于有監督學習

3.對中間缺失值不敏感

4. 解釋性強，甚至超過線性回歸

5.相比傳統的回歸和分類方法，決策樹是更接近人的決策模式

6. 能夠用圖形來表示，即使不是專業人士也可以輕松理解

7.可以在不創建啞變量的情況下，直接處理定性的預測變量，

8.決策樹的預測準確性相比一般比回歸和分類方法比較弱，但能夠通過用集成學習方法組合大量決策樹，這樣可以顯著提升樹的預測效果

三、決策樹的生成

決策樹的生成是一個自頂向下的遞歸過程，其基本思想是以信息熵為度量構造一顆熵值下降最快的樹，到葉子節點處的熵值為零。

在決策樹算法中有三種情形導致遞歸返回：

1)當前節點包含的樣本屬于同一類，不需要劃分;

2)當前屬性集為空，無法進行劃分。這種情況下，需要將當前結點標記成葉節點，并將其類別設定為所含樣本最多的類別;利用當前結點的后驗分布;(就是：有樣本無屬性進行劃分)

3)當前結點包含的樣本集合為空，不能進項劃分。此時，要將當前結點標記為葉節點，將其類別設定為其父結點所含樣本最多的類別;利用父結點的先驗分布(就是：無樣本有屬性)


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

決策樹 特征 泛化能力 有監督 有監督學習 線性回歸 集成學習 機器學習

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇XGBoost算法的這3類參數，你知道嗎？
下一篇決策樹剪枝，常用這2種方法
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢