经典决策树对比

作者: 心智万花筒 | 来源:发表于2019-03-16 21:33 被阅读3次

    关于经典决策树算法ID3、C4.5及CART树的部分细节梳理。

    决策树

    决策树可以从两个视角理解。

    • If-Then规则的集合
    • 定义在特征空间与类空间上的条件概率分布
    algo-decision-tree-conditional-probability

    经典决策树对比

    经典决策树有ID3、C4.5以及CART树,其功能和学习过程各有异同,简单对比。

    算法 分裂标准 树类型 特征类型 缺失 剪枝 任务
    ID3 信息增益 多叉 离散 No 无剪枝 分类
    C4.5 信息增益比 多叉 离散/连续 Yes 有剪枝 分类
    CART 基尼系数 二叉 离散/连续 Yes 有剪枝 分类/回归

    一些其它差异

    • C4.5优化ID3,主要体现在节点分支计算方式,解决ID3偏向取值较多的属性
    • 特征使用,多分的ID3和C4.5分类变量只使用一次,CART可多次使用
    • CART回归任务,用平方误差最小准则选特征,用样本点均值做回归预测值

    C4.5如何处理连续特征

    连续值不再有限,不能直接取其可能取值划分,可采用二分法(bi-partition)。给定样本集D和连续属性a,其有n个不同取值,从小到大排序得\{a^1, a^2, \dots, a^n\},则划分点可以依次选取测试

    T_a=\big\{\frac{a^i + a^{i+1}}{2}|1\le i\le n-1\big\}

    注意,与离散属性不同,若当前节点划分属性为连续特征,该属性还可作其为后代节点的划分属性。

    如何剪枝

    一般分为预剪枝和后剪枝两种。

    • 预剪枝:决策树生成过程中,在节点划分前评估,若当前节点划分不能带来泛化性能提升,则停止划分并将当前节点标记为叶子节点
    • 后剪枝:对完全生长的决策树,自底向上对非叶子节点考察,若将节点对应子树替换为叶子节点能带来泛化性能提升,则将子树替换为叶子节点

    预剪枝降低过拟合风险,基于“贪心思想”,也会带来欠拟合的风险;后剪枝欠拟合风险小,但训练时间开销比未剪枝或预剪枝大的多。

    如何处理缺失值

    在XGBoost里,做法是这样的。在每个节点上都会将含缺失值样本往左右分支各倒流一次,然后计算对Objective的影响,选效果好的方向,作为缺失值应该流向的方向。

    比如特征A(A>0或A<=0或A=null),那么首先忽略含缺失值样本,正常样本导流到到左子树与右子树;将含缺失值样本导向左子树,计算Objective_L;将含缺失值样本导向右子树,计算Objective_R。选择Objective较小的方向,作为缺失值应该分流的方向。

    树何时终止生长

    常见的几种终止条件有

    • 叶子节点里样本类别都相同
    • 叶子节点里样本数量少于某下限
    • 树高度达某上限
    • 分裂收益低于某下限
    • 没有更多特征

    附录信息

    信息熵,表示随机变量的不确定性。

    H(p) = -\sum_{i=1}^n p_ilog(p_i)

    其中

    0 \le H(p) \le log(n)

    条件熵,表示在已知随机变量X的情况下Y的不确定性。

    H(Y|X) = \sum_{i=1}^n p_i H(Y|X=x_i)

    其中

    p_i = P(X = x_i), i=1,\dots, n

    信息增益,表示得知特征X的信息使Y不确定的减少程度。熵H(Y)与条件熵H(Y \mid X)之差称为互信息。决策树学习中的信息增益等级于训练数据集中类与特征的互信息。

    g(D, A) = H(D) - H(D|A)

    信息增益比,考虑信息增益相对值。训练数据经验熵较大时,信息增益偏大;信息增益偏向特征类别较多的特征。信息增益比有所矫正。

    g_R(D, A) = \frac{g(D, A)}{H(D)}

    基尼系数,表示一个随机变量变为其对立事件的概率,也可以衡量随机变量的不确定性。

    Gini(p) = \sum_{k=1}^K p_k(1-p_k) = 1 - \sum_{k=1}^K p_k^2

    如图,基尼系数和熵之半很接近,都可以近似代表分类误差率

    algo-decision-tree-impurity-measure

    相关文章

      网友评论

        本文标题:经典决策树对比

        本文链接:https://www.haomeiwen.com/subject/opjemqtx.html