1、決策樹模型與學習

決策樹（decision tree）算法基于特征屬性進行分類，其主要的優(yōu)點：模型具有可讀性，計算量小，分類速度快。決策樹算法包括了由Quinlan提出的ID3與C4.5，Breiman等提出的CART。其中，C4.5是基于ID3的，對分裂屬性的目標函數(shù)做出了改進。

決策樹模型

決策樹是一種通過對特征屬性的分類對樣本進行分類的樹形結(jié)構(gòu)，包括有向邊與三類節(jié)點：

根節(jié)點（root node），表示第一個特征屬性，只有出邊沒有入邊；

內(nèi)部節(jié)點（internal node），表示特征屬性，有一條入邊至少兩條出邊

葉子節(jié)點（leaf node），表示類別，只有一條入邊沒有出邊。

上圖給出了（二叉）決策樹的示例。決策樹具有以下特點：

對于二叉決策樹而言，可以看作是if-then規(guī)則集合，由決策樹的根節(jié)點到葉子節(jié)點對應于一條分類規(guī)則;

分類規(guī)則是互斥并且完備的，所謂互斥即每一條樣本記錄不會同時匹配上兩條分類規(guī)則，所謂完備即每條樣本記錄都在決策樹中都能匹配上一條規(guī)則。

分類的本質(zhì)是對特征空間的劃分，如下圖所示，

決策樹學習

決策樹學習的本質(zhì)是從訓練數(shù)據(jù)集中歸納出一組分類規(guī)則[2]。但隨著分裂屬性次序的不同，所得到的決策樹也會不同。如何得到一棵決策樹既對訓練數(shù)據(jù)有較好的擬合，又對未知數(shù)據(jù)有很好的預測呢？

首先，我們要解決兩個問題：

如何選擇較優(yōu)的特征屬性進行分裂？每一次特征屬性的分裂，相當于對訓練數(shù)據(jù)集進行再劃分，對應于一次決策樹的生長。ID3算法定義了目標函數(shù)來進行特征選擇。

什么時候應該停止分裂？有兩種自然情況應該停止分裂，一是該節(jié)點對應的所有樣本記錄均屬于同一類別，二是該節(jié)點對應的所有樣本的特征屬性值均相等。但除此之外，是不是還應該其他情況停止分裂呢？

2、決策樹算法

特征選擇

特征選擇指選擇最大化所定義目標函數(shù)的特征。下面給出如下三種特征（Gender, Car Type, Customer ID）分裂的例子：

圖中有兩類類別（C0, C1），C0: 6是對C0類別的計數(shù)。直觀上，應選擇Car Type特征進行分裂，因為其類別的分布概率具有更大的傾斜程度，類別不確定程度更小。

為了衡量類別分布概率的傾斜程度，定義決策樹節(jié)點t的不純度（impurity），其滿足：不純度越小，則類別的分布概率越傾斜；下面給出不純度的的三種度量：

其中，表示對于決策樹節(jié)點的概率。這三種不純度的度量是等價的，在等概率分布是達到最大值。

為了判斷分裂前后節(jié)點不純度的變化情況，目標函數(shù)定義為信息增益（informationgain）：

表示父節(jié)點分裂后的某子節(jié)點，為其計數(shù)，n為分裂后的子節(jié)點數(shù)。

特別地，ID3算法選取熵值作為不純度的度量，則

c指父節(jié)點對應所有樣本記錄的類別; A表示選擇的特征屬性，即的集合。 那么，決策樹學習中的信息增益等價于訓練數(shù)據(jù)集中類與特征的互信息，表示由于得知特征A的信息訓練數(shù)據(jù)集c不確定性減少的程度。

在特征分裂后，有些子節(jié)點的記錄數(shù)可能偏少，以至于影響分類結(jié)果。為了解決這個問題，CART算法提出了只進行特征的二元分裂，即決策樹是一棵二叉樹；C4.5算法改進分裂目標函數(shù)，用信息增益比（information gain ratio）來選擇特征：

因而，特征選擇的過程等同于計算每個特征的信息增益，選擇最大信息增益的特征進行分裂。此即回答前面所提出的第一個問題（選擇較優(yōu)特征）。ID3算法設(shè)定一閾值，當最大信息增益小于閾值時，認為沒有找到有較優(yōu)分類能力的特征，沒有往下繼續(xù)分裂的必要。根據(jù)最大表決原則，將最多計數(shù)的類別作為此葉子節(jié)點。即回答前面所提出的第二個問題（停止分裂條件）。

決策樹生成

ID3算法的核心是根據(jù)信息增益最大的準則，遞歸地構(gòu)造決策樹；算法流程如下：

如果節(jié)點滿足停止分裂條件（所有記錄屬同一類別 or 最大信息增益小于閾值），將其置為葉子節(jié)點；

選擇信息增益最大的特征進行分裂；

重復步驟1-2，直至分類完成。

C4.5算法流程與ID3相類似，只不過將信息增益改為信息增益比。

3、決策樹剪枝

過擬合

生成的決策樹對訓練數(shù)據(jù)會有很好的分類效果，卻可能對未知數(shù)據(jù)的預測不準確，即決策樹模型發(fā)生過擬合（overfitting）——訓練誤差（training error）很小、泛化誤差（generalization error，亦可看作為test error）較大。下圖給出訓練誤差、測試誤差（test error）隨決策樹節(jié)點數(shù)的變化情況：

可以觀察到，當節(jié)點數(shù)較小時，訓練誤差與測試誤差均較大，即發(fā)生了欠擬合（underfitting）。當節(jié)點數(shù)較大時，訓練誤差較小，測試誤差卻很大，即發(fā)生了過擬合。只有當節(jié)點數(shù)適中是，訓練誤差居中，測試誤差較??；對訓練數(shù)據(jù)有較好的擬合，同時對未知數(shù)據(jù)有很好的分類準確率。

發(fā)生過擬合的根本原因是分類模型過于復雜，可能的原因如下：

訓練數(shù)據(jù)集中有噪音樣本點，對訓練數(shù)據(jù)擬合的同時也對噪音進行擬合，從而影響了分類的效果；

決策樹的葉子節(jié)點中缺乏有分類價值的樣本記錄，也就是說此葉子節(jié)點應被剪掉。

剪枝策略

為了解決過擬合，C4.5通過剪枝以減少模型的復雜度。[2]中提出一種簡單剪枝策略，通過極小化決策樹的整體損失函數(shù)（loss function）或代價函數(shù)（cost function）來實現(xiàn)，決策樹T的損失函數(shù)為：

其中，表示決策樹的訓練誤差，為調(diào)節(jié)參數(shù)，模型的復雜度。當模型越復雜時，訓練的誤差就越小。上述定義的損失正好做了兩者之間的權(quán)衡。

如果剪枝后損失函數(shù)減少了，即說明這是有效剪枝。具體剪枝算法可以由動態(tài)規(guī)劃等來實現(xiàn)。