决策树算法小结

首先附上我觉得比较完整的决策树总结：

决策树算法（上）

决策树算法（下）

1、什么是决策树/判定树：

判定树是一个类似于流程图的树结构：其中每个节点一个属性上的测试，每个分支代表一个属性输出，而每个树叶节点代表类或者类分布。树的最顶层是根节点。

2、熵的概念

熵度量了事物的不确定性，越不确定的事物，它的熵就越大。具体的，随机变量X的熵的表达式如下：

　　　　　　　　　　　　

3、算法过程

• 树以代表训练样本的单个节点开始。
• 如果样本都在同一个类，则该节点成为树叶，并用该类标号。
• 否则，算法使用陈伟信息增益的基于熵的度量作为起发信息，选择能够最好的将样本分类的属性。该属性成为该节点的测试或判定属性，在算法的该版本中所有属性都是分类的，即离散值。连续属性必须离散化。
• 对测试属性的每个已知的值，创建一个分枝，并根据此划分样本。
• 算法使用同样的过程，递归地形成每个划分上的样本判定树。一旦一个属性出现在一个节点上，就不必在该节点的任何后代上考虑它。
• 地柜划分步骤仅当下列条件之一成立停止：
• （a）：给定节点的所有样本属于同一类。
• （b）：没有剩余属性可以用来进一步划分样本。在此情况下，使用多数表决。这涉及将给定的节点转换成树叶，并用样本中的多数所在的类标记它。替换地，可以存放节点样本的类分布。
• （c）：分枝没有样本。在这种情况下，以samples中的多数类创建一个树叶。

4、决策树算法的优缺点

　　优点：直观，便于理解，小规模数据集有效

　　缺点：a、处理连续变量不好。b、类别多时，错误增加的比较快。c、可规模性一般。