jmpblog's Introduction
jmpblog's People
jmpblog's Issues
JVM内存分析工具
jstat
jmap
- 案例
内存泄露分析
决策树算法
决策树算法
什么是决策树?
决策树算法是从数据中提取用于决策&预测的树形结构,因此称为决策树。例如
瓜的好坏,与纹理
(清晰
、模糊
)、根蒂
(蜷缩
、稍蜷
、硬挺
)、色泽
(青绿
、乌黑
、浅白
)、触感
(硬滑
、软粘
)这些特征相关,瓜的相关数据可能会生成如下的决策树,非叶子结点为特征名称、叶子结点为结果:
那么在预测时,如果一个瓜的纹理
为模糊
时,就是坏瓜
那么怎么生成决策树呢,有基于信息熵选择特征的ID3、C4.5算法以及基于基尼系数选择特征的CART算法。
基于信息熵选择特征的决策树算法
熵的概念最早起源于物理学,是用于度量一个热力学系统的无序程度。在信息论和概率统计里面,熵是对不确定性的测量,熵越大,不确定性越高。使用如下公式来计算信息熵:
ID3和C4.5是基于信息熵的两种算法,这两种算法去选择使数据信息熵减少效果最好的特征,熵减少的幅度越大,那么代表这个特征越重要,我们要把重要特征放在树的顶端,这样构造的决策树比较有效率。
ID3 和C4.5
ID3算法,每次去选择信息熵减少幅度最大的特征、C4.5则使用减少的百分比来衡量。
假如有如下数据:
序号 | 性别 | 学生 | 民族 | 电脑 |
---|---|---|---|---|
1 | 1 | 1 | 0 | 1 |
2 | 0 | 0 | 0 | 1 |
3 | 1 | 1 | 0 | 1 |
4 | 1 | 1 | 0 | 1 |
5 | 1 | 0 | 0 | 0 |
6 | 1 | 0 | 1 | 0 |
通过如下步骤来选择构造决策树的第一个特征。
- 计算整体数据的信息熵:
买电脑的概率为$P_1=4/6$ ,不买电脑的概率为$P_2=2/6$ ,那么整体数据的信息熵为
$D = - (P_1 * log_2P_1 + P_2 * log_2P_2) = -(4/6 * log_2 4/6 + 2/6 * log_2 2/6)$ - 计算各个特征对应的条件信息熵
以性别
为例:
男生的概率为$P_m = 5/6$
男生中买的电脑的概率为$P_{m1} = 3/5$ , 不买电脑的概率为$P_{m2} = 2/5$
女生的概率为$P_f = 1/6$
女生中买的电脑的概率为$P_{f1} = 1/1$ , 不买电脑的概率为$P_{f2} = 0/1$
性别
对应的条件熵为则是
$D_{sex} = P_m * (- P_{m1} log_2P_{m1} - P_{m2} log_2P_{m2}) + P_f * (- P_{f1} log_2P_{f1} - P_{f2} log_2P_{f2}) $
以同样的方式,我们可以得到学生
的条件熵$D_{student}$ 以及民族
对应的条件熵$D_{nation}$
对于ID3算法,它是看信息熵减少的量:
$Gain_{sex} = D - D_{sex}$
$Gain_{student} = D - D_{student}$
$Gain_{nation} = D - D_{nation}$
上面三个值谁大,就选择对应的特征。
对于C4.5算法,是信息熵的减少百分比幅度,去除一下$D$
$Gain_{sex} = (D - D_{sex}) / D$
$Gain_{student} = (D - D_{student} ) / D $
$Gain_{nation} = (D - D_{nation} ) /D $ - 数据划分
通过选择的特征,将原来的数据集分成两部分。
参考资料
记录
记录
清算
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.