人工智能-决策树

《人工智能-决策树》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、决策树介绍了决策树的基本概念和CART,CHAID,C4.5三个生成算法。引言决策树对比神经元网络的优点在于可以生成一些规则。当我们进行一些决策，同时需要相应的理由的时候，使用神经元网络就不行了。本章介绍三个算法CART,CHAID,C4.5。决策树是如何工作的决策树一般都是自上而下的来生成的。选择分割的方法有好几种，但是目的都是一致的：对目标类尝试进行最佳的分割。从根到叶子节点都有一条路径，这条路径就是一条“规则”。决策树可以是二叉的，也可以是多叉的。对每个节点的衡量：1.通过该节点的记录数2.如果

2、是叶子节点的话，分类的路径3.对叶子节点正确分类的比例。有些规则的效果可以比其他的一些规则要好。决策树对于常规统计方法的优点。CARTDiversity(整体)-diversity(左节点)-diversity(右节点)，值越大，分割就越好。三种diversity的指标：1.min(P(c1),P(c2))2.2P(c1)P(c2)3.[P(c1)logP(c1)]+[P(c2)logP(c2)]这几个参数有相同的性质：当其中的类是均匀分布的时候，值最大；当有一个类的个数为0的时候，值为0。选择分割的

3、时候，对每个字段都考虑；对每个字段中的值先排序，然后再一一计算。最后选出最佳的分割。树的生成：错误率的衡量：最初生成的树中也是有错误率的！因为有些叶子节点并不是“Pure”的。树的修剪：是不是当所以的叶子都很纯是，这棵树就能工作的很好呢?修剪的要点是：应该回溯多少、如何从众多的子树总寻找最佳的。1.鉴别生成候选子树：使用一个调整的错误率。AE(T)=E(T)+aleaf_count(T)。一步步的生成一些候选子树。2.对子树的评估：通过testset找到最佳子树3.对最佳子树进行评估：使用evalua

4、tionset。4.考虑代价(cost)的问题。C4.5C4.5是从ID3演变而来的。C4.5和CART的区别:1.树的生成方面。C4.5不一定使用两分法。C4.5处理种类变量的时候，缺省的情况是每个值作为一个分支。Gain和gainratio。2.树的修剪C4.5使用原来的数据进行测试。(学院派)规则的生成CHAID1975年和CART和C4.5的区别：1.在overfitting之前就停止树的生长。2.必须都是种类变量。数值变量必须分成范围。树的生长1.选择分割。X2检验实际中使用决策树的一些问题

5、主要是一些数据准备和数据表示方面的问题。案例：银行信用卡部门1.对数据细节的不熟悉。2.数据翻译问题。COBOL3.对时间元素的处理：OCCURS语句的处理。可以根据需要来增加一些字段：delta_balance，delta_interest_rate等等。4.CART算法不考虑字段之间的关系。5.定义类别。使用的工具在类别字段只可以有两个值。我们对原始数据进行一些映射处理。“silentattrition”。6.数据表示的问题。需要额外的数据。7.消除杂音。8.欺骗性的字段。有些字段其实和要预测的字

6、段并不是独立的。可以通过决策树来进行这些字段的判断。9.过于总结性的数据。10.经验和教训。将决策树运用于事件序列：·PVFutureView，一个工具。·Case,某一时刻的快照。·Attribute,组成Case的字段·Feature,布尔变量，用于形成决策树的内部节点。·Interpretations，由Attribute组成用于体现领域知识和关系的衍生字段。Interpretations字段常常是由用户提供的。从历史推出未来：案例学习：咖啡烘烤的流程控制其他的决策树的变种1. 一次使用超过一个

7、字段用于分类2.使用倾斜的超平面切分3.神经元树决策树的优缺点：优点：1.可以生成可以理解的规则。2.计算量相对来说不是很大。3.可以处理连续和种类字段。4.决策树可以清晰的显示哪些字段比较重要缺点：1. 对连续性的字段比较难预测。2.对有时间顺序的数据，需要很多预处理的工作。3.当类别太多时，错误可能就会增加的比较快。一般的算法分类的时候，只是根据一个字段来分类。