关于决策树，这些知识点不可错过

2018-5-23 09:38:48 4715 人工智能

0 `随着科学技术的发展，AI爱好者越来越多，除了一些精通AI的大神，还有很多的技术小白也对这方面感兴趣，他们想学习一些机器学习的入门知识。今天，讯飞开放平台就带来机器学习中的一个重要算法——决策树。在开讲之前，咱们先来看个例子。玩过狼人杀的小伙伴们都知道，不管游戏过程多么激烈，该游戏的最终结局只有4种。为了让小伙伴们更直观地看到这4种结局，我画了个非常生动形象（简单粗暴）的图：这幅图完整表达了狼人杀结局的各种情况，箭头指向一个判断条件在不同情况下的游戏结果，最后通过场上剩余的人来判断是谁获胜。我们可以看出，在每一个关键节点（比如村人杀死所有的狼人？），依据判断条件，可以将答案划分为Yes or No，最后输出获胜一方。通过树形结构，根据条件判断输出相应的结局，这种简单的算法，便是决策树的原型。 01 决策树——机器学习中的"倚天宝剑" 决策树是机器学习中很经典的一种算法。它既是分类算法，也是回归算法，还可以用在随机森林中。咱们学计算机的同学经常敲if 、else if、else其实就已经在用到决策树的思想了。决策树是一种简单常用的分类器，通过训练好的决策树可以实现对未知的数据进行高效分类。从开头狼人杀的例子中也可以看出，决策树模型具有较好的可读性和描述性，能够帮助我们更高效率地去分析问题。举个例子，普通人去银行贷款的时候，银行会根据相应条件，来判断贷款人是否具有还贷能力。贷款用户主要具备三个属性：房产、婚姻、平均月收入。拥有房产或结过婚或月收入大于4000的贷款用户具备偿还能力。例如：用户甲没有房产，没有结婚，月收入5K，通过上图的判断条件可以判断出用户甲具备偿还贷款能力。这整个判断还贷能力的过程，就用到了决策树的思想。 02 决策树算法——基尼不纯度、熵基尼不纯度，是指将来自集合中的某种结果随机应用在集合中，某一数据项的预期误差率，可以用来度量任何不均匀分布。下图是组合1和组合2的基尼不纯度：从图中我们可以看出，组合1的基尼不纯度大于组合2。打个比方，基尼不纯度就像男生挑钻石向女生求婚，所有的钻石看着都很闪，但仔细比较价格却差很多，因为每颗钻石的的纯度不一样，纯度越高，价格也就越贵。由此可总结出这样2种情况： A、基尼不纯度越小，纯度越高，集合的有序程度越高，分类的效果越好 B、基尼不纯度为 0 时，表示集合类别一致熵度量的是事物的不确定性，越不确定的事物，它的熵就越大。熵是信息论中的概念，用来表示集合的无序程度，熵越大表示集合越混乱，反之则表示集合越有序。 03 决策树算法——信息增益信息增益越大，说明整个集合从无序到有序的速度越快，本次拆分越有效，则越适合用来分类。通俗来讲，信息增益代表了在一个条件下，信息复杂度（不确定性）减少的程度。我们以《非诚勿扰》为例，在男嘉宾出场之前，如果女嘉宾对男嘉宾一无所知，成为他女朋友的不确定性就比较高，如果知道其中的几个特征（如身高、性格等），不确定性就会减少很多。由上面的例子可见，一个属性的信息增益越大，表明这个属性使得数据由不确定性变成确定性的能力越强。 04 决策树算法的补充要点关于剪枝利用决策树算法构建一个初始的树之后，为了有效的分类，还要对其进行剪枝，剪枝是为了减少过拟合现象。剪枝思路主要是两种：一种是预剪枝，即在生成决策树的时候就决定是否剪枝。另一个是后剪枝，即先生成决策树，再通过交叉验证来剪枝。关于过拟合为了得到一致假设而使假设变得过度复杂称为过拟合。比如，考试的时候，有的人采用题海战术，把每个题目都背下来。但是题目稍微变化一下，他就不会做了，因为他没有总结出通用的规则。过拟合的原因一般有两种： A. 模型太过复杂而样本量不足 B. 训练集和测试机特征分布不一致 ` 0
2018-5-23 09:38:48　　评论淘帖0 举报相关推荐 • 进行dsp系统设计？这些知识点不可错过 6359 • 决策树的原理和决策树构建的准备工作，机器学习决策树的原理 5969 • 什么是决策树?决策树算法思考总结 11388 • 决策树的生成资料 226 • 什么是决策树模型，决策树模型的绘制方法 12684 • 决策树的介绍 0 • 大数据—决策树 1164 • 机器学习的决策树介绍 1522 • 分类与回归方法之决策树 889 • ML之决策树与随机森林 1820