机器学习 day35（决策树）

1. 决策树
   

• 上图的数据集是一个特征值X采用分类值，即只取几个离散值，同时也是一个二元分类任务，即标签Y只有两个值
  
• 上图为之前数据集对应的决策树，最顶层的节点称为根节点，椭圆形节点称为决策节点，矩形节点称为叶子节点
  
• 决策树学习算法的工作是，在所有可能的决策树中，选择一个在训练集上能表现良好，并能很好的推广到新数据（即交叉验证集和测试集）的决策树

2. 决策树的学习过程
   

• 在构建决策树的过程中，有几个关键决定
  
• 决定一：如何选择特征作为每一个节点？决策树算法通过最大化纯度来选择特征作为节点，从而对数据集进行拆分
  
• 决定二：什么时候停止拆分？当某个节点处的数据的纯度为100%时，当拆分某个节点后会导致决策树超过最大深度时，当拆分节点后对纯度影响太小时，当某个节点的示例数量太少时
• 根节点的深度为0，停止拆分的原因是为了确保我们的树不会变得太大和太笨重，保持树很小，就不太容易过拟合