案例:识别小猫,上面这个分类的特征 x 采用分类值(几个离散的值)
决策树最顶端的结点称根结点(root node),除了根结点和叶子结点之外的叫决策结点(decision node),最底层的叫叶子结点(leaf node),叶子结点做出预测
决策树的学习过程
确定根结点使用什么特征,分类后再选一个特征进行分类,直到分出的一组中都是同一类了结束。
问题1:怎么选择决策结点使用的特征?
要选能使纯度(一个子集更接近完全是狗,或者更接近完全是猫)最大的那个
问题2:什么时候停止分裂?
当一个结点完全只有一类东西时;当再分出来结点会导致树超过最大深度时(树的深度从0开始);当纯度分数的提升在一个阈值下时(再分裂也提升不了多少);当一个结点的样本数低于一个阈值时。
保持树不太深有两个原因:一是为了快,另一个是这样不太容易过拟合