机器学习技法-决策树和CART分类回归树构建算法

课程地址：https://class.coursera.org/ntumltwo-002/lecture

重要！重要！重要~

一、决策树（Decision Tree）、口袋（Bagging），自适应增强（AdaBoost）

• Bagging和AdaBoost算法再分类的时候，是让所有的弱分类器同时发挥作用。它们之间的区别每个弱分离器是否对后来的blending生成G有相同的权重。
• Decision Tree是一种有条件的融合算法，每次只能根据条件让某个分类器发挥作用。

二、基本决策树算法

1.用递归的视角来看决策树，根据特征选择分支条件，不断的生成子树，所有的子数组成了最后的决策树。

例如下面根据回家时间、约会情况、作业的deadline的特征，生成决策树，预测是否会观看mooc在线课程。

 

2.基本的决策树算法描述

• 确定分支条件。分支条件可以由人来确定，也可以由算法生成
• 根据分支条件划分训练数据D
• 根据分支条件不断递归生成子树，直到满足终止条件
• 为了防止过拟合，限制模型的复杂度，通常都会通过剪枝（Pruning）来正则化决策树

三、CART算法（分类回归树）

林这里讲的很容易理解，可以参考：http://blog.csdn.net/u011067360/article/details/24871801?utm_source=tuicool&utm_medium=referral

• CART是只有两个分支的二叉树
• 根据“纯度”确定分支的条件。对于分类的通常选择GINI，对于连续的目标变量可以使用LSD或者LAD。

GINI指数：介于0~1之间的数，0-完全相等，1-完全不等。总体内包含的类别越杂乱，GINI指数就越大（和熵的概念类似）。

1. 根据GINI找到最佳的待切分特征
2. 如果该节点不能再分，将该节点存为叶节点
3. 执行二元切分
4. 在右子树递归调用createTree()方法，创建子树
5. 在右子树递归调用createTree()方法，创建子树
   

四、CART和AdaBoost元算法应用比较

CART相比AdaBoost的效率会高一些，因为前者是“有条件的切”，后者是完全的“横、竖”。

五、CART实践中的特点