3.5 认识决策树

3.5.1 认识决策树

如何高效的进行决策？  特征的先后顺序

3.5.2 决策树分类原理详解

已知有四个特征，预测 是否贷款给某个人。

先看房子，再看工作，是否贷款。

年龄，信贷情况，工作，是否贷款

1 原理

信息熵，信息增益等。

需要用到信息论的知识！问题：通过例子引入信息熵

信息论基础：

1）信息

        香农：消除随机不定性的东西

         小明  年龄 “我今年18岁”   是信息

          小华  “小明明年19岁”   （不是信息，因为我已经知道小明18岁）

2） 信息的衡量  ——信息量——  信息熵

2 信息熵的定义

H的专业术语之为信息熵，单位为比特  bit

3 决策树的划分依据之一信息增益

4 决策树的划分依据——信息增益

当然决策树的原理不止信息增益这一种，还有其他方法，但是原理都类似，我们就不去举例计算。

3.5.3 决策树API

3.5.4 案例：泰坦尼克号乘客生存预测

流程分析：

特征值   目标值

1）获取数据

2）数据处理

        缺失值处理

       特征值——>字典类型

3）准备好特征值  目标值

4）划分数据集

5）特征工程：字典特征抽取

6）决策树预估器流程

7）模型评估

3.5.5 决策树可视化

1 保存树的结构到dot文件

3.5.6 决策树总结

优点：

简单的理解和解释，树木可视化

缺点：

决策树学习者可以创建不能很好推广数据的过于复杂的树，这被称为过拟合。

改进：

减枝cart算法（决策树API当中已经实现，随意森林参数调优有相关介绍）

随机森林

注意：企业重要决策，由于决策树很好的分析能力，在决策过程中应用较多，可以选择特征

3.5.7 总结

信息熵，信息增益的计算

DecisonTreeClassifier进行决策树的划分

export_graphviz导出到dot文件