数据挖掘 - 决策树归纳

简述

决策树是一种结构，包括根节点、分支和叶节点。每个内部节点表示对属性的测试，每个分支表示测试的结果，每个叶节点都包含一个类标签。树中最顶层的节点是根节点。

下面的决策树是针对概念 buy_computer 的，它指示公司的客户是否可能购买计算机。每个内部节点代表一个属性测试。每个叶节点代表一个类。

拥有决策树的好处如下 -

它不需要任何领域知识。
这很容易理解。
决策树的学习和分类步骤简单快速。

决策树归纳算法

1980 年，一位名叫 J. Ross Quinlan 的机器研究人员开发了一种称为 ID3（迭代二分法）的决策树算法。后来，他提出了C4.5，它是ID3的继任者。ID3 和 C4.5 采用贪婪的方法。在这个算法中，没有回溯；这些树是以自上而下的递归分而治之的方式构建的。


Generating a decision tree form training tuples of data partition D
Algorithm : Generate_decision_tree
Input:
Data partition, D, which is a set of training tuples 
and their associated class labels.
attribute_list, the set of candidate attributes.
Attribute selection method, a procedure to determine the
splitting criterion that best partitions that the data 
tuples into individual classes. This criterion includes a 
splitting_attribute and either a splitting point or splitting subset.
Output:
 A Decision Tree
Method
create a node N;
if tuples in D are all of the same class, C then
   return N as leaf node labeled with class C;
   
if attribute_list is empty then
   return N as leaf node with labeled 
   with majority class in D;|| majority voting
   
apply attribute_selection_method(D, attribute_list) 
to find the best splitting_criterion;
label node N with splitting_criterion;
if splitting_attribute is discrete-valued and
   multiway splits allowed then  // no restricted to binary trees
attribute_list = splitting attribute; // remove splitting attribute
for each outcome j of splitting criterion
   // partition the tuples and grow subtrees for each partition
   let Dj be the set of data tuples in D satisfying outcome j; // a partition
   
   if Dj is empty then
      attach a leaf labeled with the majority 
      class in D to node N;
   else 
      attach the node returned by Generate 
      decision tree(Dj, attribute list) to node N;
   end for
return N;

树木修剪

执行树修剪是为了消除由于噪声或异常值导致的训练数据中的异常。修剪后的树更小，更简单。

树木修剪方法

修剪树有两种方法 -

预先修剪− 通过提早停止建造来修剪树。
后修剪- 这种方法从完全成长的树中删除子树。

成本复杂性

成本复杂性由以下两个参数衡量 -

树中的叶子数量，以及
树的错误率。