【主要内容】
- 决策树简介
- 数据集中度量一致性
- 使用递归构造决策树
- 使用Matplotlib绘制树
【数据集度量】
- 信息增益
- 克劳德·香农：信息论之父
- 熵：信息的期望值
- 信息：l(x_i) = -logp(x_i)
- 参考材料
- 《信息论》香农
- 《财富公式》威廉·庞德斯通
- 计算数据集的熵——DONE
【划分数据集】
- 对每一个特征划分数据集，度量划分数据集熵
- 计算信息增益
- g(D|A) = H(D) - H(D|A)
- H(D|A) = sum { |D1|/|D| * H(D_1), |D1|/|D| * H(D_1) ... |Dn|/|D| * H(D_n) }
- 选择g(D|A)最大的A
- 划分splitData
【构建决策树】
- 中止条件：
- dataSet中，只有一类数据，返回该类（作为叶子）；
- dataSet中只有一种特征，返回主要类（作为叶子）
- 找到最优特征，（通过遍历所有特征，计算并寻求最大增益熵）
- 找到最优特征对应的feature label，生成一个root节点，设置feature label为节点标签
- 遍历最优特征的所有特征值，对每个特征值，抽取数据集合
- 对每一个数据子集合递归生成一个决策树，挂在当前树下
- 返回当前tree
【绘制tree】
- DONE
Paste_Image.png
【剪枝】chapter 9
