决策树算法基础(1)
决策树 算法评价 准确性,速度,强壮行,规模性,可解释性 什么是决策树(Decision tree)? 类似于流程图的树结构:其中,每个内部节点表示在一个属性上的测试,每个分支代表一个属性输出,而每个树叶节点代表类或类分布,树的最顶层是根节点。 熵(Entropy) 信息度量==不确定性的多少 H(x)=-∑P(x)*log2P(x) 决策树归纳算法(ID3) 信息获取量:Gain(A)=Info(D)-Info_A(D); 建造过程: 1.树以训练样本的单个节点开始 2.如果样本都在同一类,则该节点成为树叶 3.根据信息获取度来划分能最好将样本分类的属性 4.连续属性离散化 5.递归划分 6