机器学习(5)-决策树与集成算法
2017-11-21 00:04
429 查看
1.什么是决策树
从树的根节点开始一步步(决策)走到子节点的树型结构假如我门需要解决谁愿意和我们一起玩游戏的问题,并且有如下的数据
那么我们可以构造一个如下的决策树来预测结果
2.决策树的构建
决策树定义很简单,关键是我们如何构建一棵决策树,为什么要把年龄当成树节点,把性别当成子节点?我们分配的标准就是,使用这个分类器后,使得数据的混乱度最大的降低。我们用熵来表示混乱程度度,熵
表示物体的混乱程度
表示函数:Info(D)=−∑ni=1pi∗log2pi(小概率事件越多,熵越大)
信息增益
表示函数 InfoA(D)=∑vj=1|Dj||D|∗Info(Dj)
Gain=Info(D)−InfoA(D)
表示每次分类后数据混乱度下降的程度
遍历每种分类的信息增益率,把最大的当初当次分类的分类器
连续值离散化:如果是连续值,可以把数据进行切分,进行离散化,比如年龄,我们可以在15岁分割,也可以在38 岁进行分割,计算所有可能性,取结果最好的(在实际中,更多的是使用随机切分,遍历所有可能回导致巨大的计算量)
C4.5算法对ID3算法的优化:
ID3算法中,如果是ID列,数值从1~n,那么分成n类后,它的信息增益是最高的,然而对于实际情况,这种分类是没有任何意义的,所以在C4.5算法中,提出了信息增益率的概念来解决这个问题
信息增益率
分裂信息:SplitInfoa(D)=−∑vj=1|Dj||D|∗log2(|Dj||D|)
GainRatio(A)=Gain(A)SplitInfo(A)
CART:GINI系数
Gini(D)=1−∑mi=1p2i
决策树剪枝
剪枝原因:过拟合风险大预剪枝
限制深度,页子节点个数,页子节点样本数,信息增益量
可以选择特征??
后剪枝
在决策树构建完成之后,通过一定的标准决定剪掉哪些枝叶
集成算法(Ensemble Learning)
Bagging:选了多个分类器取平均值(典型例子:随机森林)数据随机,特征随机
优点:
处理高纬度,不用特征选择
可以计算出特征的重要程度,通过破坏特征,比较之间的差值
并行运算,速度快
可视化展示
一般生成100-200棵树,就好,因为树多了效果不一定好
Boosting(提升模型):从弱学习开始(AdBoost,xgBoost),串行计算
Stacking(堆叠模型):聚合多个分类
通常套路:使用多个算法计算出结果,把结果作为作为输入再次使用一个算法计算结果
相关文章推荐
- 机器学习 —— 决策树及其集成算法(Bagging、随机森林、Boosting)
- 机器学习-决策树与集成算法
- 机器学习 —— 决策树及其集成算法(Bagging、随机森林、Boosting)
- 机器学习集成算法--- 朴素贝叶斯,k-近邻算法,决策树,支持向量机(SVM),Logistic回归
- 机器学习与数据挖掘算法 1.编程实现ID3算法,针对下表数据,生成决策树。
- 机器学习学习笔记:决策树归纳算法(ID3)
- 机器学习之决策树(ID3)算法与Python实现
- Python机器学习:通过scikit-learn实现集成算法
- 机器学习经典算法详解及Python实现--CART分类决策树、回归树和模型树
- 机器学习决策树的算法实现
- 用Python开始机器学习(2:决策树分类算法)
- 机器学习_集成算法
- 《机器学习:算法原理与编程实践》的读书笔记:SMO部分最难,大部分代码基于Scikit-Learn,决策树其实用处不大
- 用Python开始机器学习(2:决策树分类算法)
- 机器学习【三】集成算法
- 机器学习经典算法详解及Python实现–决策树
- 深度 | 机器学习集成算法:XGBoost思想
- Python数据分析与机器学习-Xgboost集成算法
- 干货 | 机器学习集成算法:XGBoost模型构造
- 机器学习知识点(七)决策树学习算法Java实现