本文主要是介绍「机器学习算法的数学解析与Python实现」决策树分类算法，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

决策树分类：用if-else进行选择

目前数据竞赛中排名靠前的算法除了深度学习系列之外，机器学习算法基本上都是选用XGBoost或Lightgbm算法，而这两者的基石都是决策树分类算法。

决策树的简单来说就是if-else层层相套的判断结构，同时也是数据结构中典型的树形结构。决策树这一类算法，基本原理都是用一长串的if-else完成样本分类，区别主要在纯度度量等细节上选择了不同的方案。

决策树算法的核心要点就是如何选择判断条件来生成判断分支，也就是生成if-else分支，称为节点划分或节点分裂。

决策树有以下重点概念：

• 决策树的分类方法
• 分支节点划分
• 纯度度量

程序员的选择观：if-else

假定待分类的数据集有A、B、C三个特征维度，同时每个特征维度只有“是”和“否”两种赋值，要进行二元分类。如下所示：

经过简单分析发现，只有在A、B、C三个特征维度值都是“是”的情况下，样本才为正类，只要出现一个“否”，样本就被归为负类。

用if-else进行判别的伪代码大概如下：

把上面的伪代码画成流程图，就能够看到一颗典型的二叉树。

如何构建一棵树

在编程中，if-else的判断条件是由程序员写的，而在机器学习中，判断条件只能算法自己生成。

如何选择决策条件

从目标来看，我们希望分类后的结果杂质越少越好，也就是越纯越好，所以引入了“纯度”的概念。集合中归属同一类别的样本越多，我们就说这个集合的纯度越高。

度量纯度方法的不同，就产生了不同的决策树算法，最著名的有三种：

• ID3：信息增益
• C4.5：增益率
• CART：基尼指数

纯度有三点要求：

• 当一个分支下的所有样本都属于同一个类时，纯度最高；
• 当一个分支下样本所有的类别一半正类一半负类时，纯度最低；
• 纯度考察的是同一个类的占比，并不在乎该类为正负类，即无论是正类占70%，还是负类占70%，纯度的值应该是一样的。

把上面三点汇总，可以得到一个函数图像：

纯度函数的函数图像

而由于在机器学习中更习惯使用“损失值”，而纯度越大则损失越小，所以函数图像应该是相反的：

决策树的剪枝问题

决策树分类容易出现过拟合，而“剪枝”正是为了解决这个问题。剪枝根据触发时间不同，可分为：

• 预剪枝：在分支划分之前就判断是否需要剪枝；
• 后剪枝：决策树划分完成之后再进行剪枝操作。

是否剪枝遵循一个原则：如果剪枝后模型在验证集上效果更好，则进行剪枝，否则不剪枝。

决策树分类的算法原理

基本思路

决策树进行分类的主要流程：首先选取一个特征维度作为“根结点”，然后不断进行分裂，直到达到停止分裂条件。

停止分裂的三种条件：

• 到达终点：当前集合的样本都属于同一类时；
• 自然停止：决策树依赖特征维度作为判别条件，如果特征维度用完了，自然也就无法继续分裂。如果此时分类还没完成，那就就以占比最大的类别作为当前节点的归属类别。
• 选不出来：极端情况下是不同特征维度的提纯效果完全一样。

以上三种是算法自带的停止条件，实际使用中也可以通过设置外部阈值，比如决策树的深度，叶子节点的个数等作为停止条件。

数学解析

1.信息熵（Information Entropy）

"熵"是热力学概念，用于表示无序程度。信息熵用于衡量不确定性的程度，不确定性（通过概率来理解）越大，则信息熵越大。

信息熵的数学表达式：

\[H(X) = - \sum_{k=1}^N p_k \log_2(p_k) \]

\(p\) 表示概率，\(X\) 表示进行信息熵计算的集合。

以信息熵计算两种极端情况。在二元分类中，如果当前样本都属于同一类别a，即 \(p_a=1, p_b=0\)，则信息熵为：

\[H(X) =-(1 \times \log_21 + 0 \times \log_20) = 0 \]

由于只有一种类别，所以不确定性达到最小，信息熵也就取得最小值0。

如果两种类别各占一半，即 \(p_a=p_b=50\%\)，这时信息熵为：

\[H(X) = -(0.5 \times \log_2 0.5 + 0.5 \times \log_2 0.5) = -(-0.5-0.5) = 1 \]

两种类别各占一半，也就是不确定性最大，信息熵也就取得最大值1。

信息熵的函数图像：

信息熵是以整个集合作为计算对象的，ID3算法使用了信息增益。信息增益通过比较节点划分前后集合的信息熵来判断：

\[G(D,a) = H(x) - \sum_{v=1}^V \frac{|D^v|}{|D|} H(D^v) \]

• \(G(D,a)\) 表示集合 \(D\) 选择特征属性 \(a\) 划分子集时的信息增益。

• \(V\) 表示按照特征维度 \(a\) 划分后的子集个数。

• \(|D|\) 表示集合 \(D\) 的元素个数。

信息增益越大，说明提纯效果越好。

由于特征维度的值越多，子集被切分的越细，信息增益越大，所以ID3算法倾向于选择值比较多的特征维度作为判定条件，但是这种情况下的纯度提升与目标不符，所以提出了改进版的算法——C4.5。

C4.5用信息增益比来代替信息增益，用信息增益除以特征维度的固有值（Intrinsic Value）进行表示：

\[G_r = \frac{G(D,a)}{IV(a)} \]

特征维度越多，固有值越大，因此消除了特征维度所产生的影响。

固有值的数学表达式如下：

\[IV(a) = \frac{|D^v|}{|D|} \log_2\frac{|D^v|}{|D|} \]

2.基尼系数（Information Entropy）

CART算法采用了基尼系数作为决策条件的选择，数学表达式如下：

\[Gini(D)=1-\sum_{k=1}^Np_k^2 \]

\(D\) 表示进行基尼系数计算的集合。

以基尼系数计算两种极端情况。在二元分类中，如果当前样本都属于同一类别a，即 \(p_a=1, p_b=0\)，则基尼系数为：

\[Gini(D) = 1-(1^2 + 0^2) = 0 \]

由于只有一种类别，所以不确定性达到最小，基尼系数也就取得最小值0。

如果两种类别各占一半，即 \(p_a=p_b=50\%\)，这时基尼系数为：

\[Gini(D) = 1-(0.5^2 + 0.5^2)=0.5 \]

两种类别各占一半，也就是不确定性最大，基尼系数也就取得最大值0.5。

基尼系数的函数图像：

注意：基尼系数最大值为0.5，和信息熵不同。

使用基尼系数选择特征和前面一样，公式如下：

\[Gini_a = \sum_{v=1}^V\frac{|D^v|}{|D|}Gini(D^v) \]

具体步骤

决策树分类算法信息表

决策树算法四个步骤：

1. 确定纯度度量指标。
2. 利用纯度度量指标，依次计算每个特征维度分类后子集的纯度，选取纯度能够达到最大的特征作为该次的分类条件。
3. 利用该特征切分数据集，同时剔除该特征。
4. 重复二三步，直至达到结束条件。

在Python中使用决策树分类算法

基于决策树这一大类的算法模型的相关类库都在sklearn.tree包中，包含了4个决策树算法类：

• DecisionTreeClassifier类：经典的决策树分类算法。
• DecisionTreeRegressor类：用决策树算法解决回归问题。
• ExtraTreeClassifier类：这也是一款决策树分类算法，跟前面不同的是在决策条件选择环节加入了随机性。先随机抽取n个特征维度构成子集，然后再从该子集中选取决策条件。n的值通过参数“max_features”设置，当max_features设置为1时，相当于决策条件完全通过随机抽取得到。
• ExtraTreeRegressor类：与ExtraTreeClassifier类似，同样在决策条件选择环境加入随机性，用于解决回归问题。

决策树分类算法，其中有一个名为“criterion”的参数，给这个参数传入字符串“gini”，将使用基尼指数；传入字符串“entropy”，则使用信息增益。默认使用的是基尼指数。

使用方法如下：

from sklearn.datasets import load_iris
# 导入决策树模型中的决策树分类算法
from sklearn.tree import DecisionTreeClassifier

# 鸢尾花数据集
X, y = load_iris(return_X_y=True)

# 训练模型：默认使用基尼系数
clf = DecisionTreeClassifier().fit(X, y)

# 预测结果
clf.predict(X)

预测结果如下：

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
       2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
       2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2])

默认的性能评估器评分：

clf.score(X, y)

评分结果：

1.0

全部分类正确！！！

改用信息熵：

# 训练模型：使用信息熵
clf_entropy = DecisionTreeClassifier(criterion='entropy').fit(X, y)

# 性能评估
clf_entropy.score(X, y)

评分结果：

1.0

依然全部分类正确！！！

绘制决策树如下：

import matplotlib.pyplot as plt
from sklearn.tree import plot_tree

fig = plt.figure(figsize=(10,10))
plot_tree(clf)

决策树分类算法的使用场景

决策树分类算法最大问题是容易过拟合，同时默认各特征指标之间相互独立。

决策树分类算法的特点

这篇关于「机器学习算法的数学解析与Python实现」决策树分类算法的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！