知识卡片
决策树的节点与分支
树的组成: - 内部节点:一次针对某个属性的测试,最顶端的叫根节点; - 分支:测试的每个结果,数值型通常把“大于”放右、“不大于”放左; - 叶子节点:不再分裂,给出类别标签,有的实现还给概率得分。
遍历方式:从根开始,按记录的属性值选一条分支向下,直到叶子,沿途的测试序列就是判定依据。一个节点的深度是从根走到它所需的最少步数,根的子节点深度为 1。
表达能力:整棵树可以改写成一组 if-then 规则,例如“收入低于五万且贷款额高于十万,则违约概率 75%”。规则可直接交给领域专家核对,这是决策树在受监管行业受欢迎的原因。
注意:每个内部节点的最优测试是相对该节点自己的数据子集独立选出的,不是全局统一决定;同一属性可能在树的不同层反复出现。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第7章 高级分析理论与方法:分类 · 查看原书依据
决策树的每个测试点都会涉及测试一个特定变量(或属性),而每个分支表示所做出的决策。由于它的灵活性与易于可视化,决策树在数据挖掘应用中被普遍用来进行分类。
参考来源
- 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第7章 高级分析理论与方法:分类(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0017_split_001.html)
- 结论依据:7.1 节对节点、分支、叶子、深度、分裂的定义,以及把树转成 if-then 规则的例子。
- 原始内容:决策树的每个测试点都会涉及测试一个特定变量(或属性),而每个分支表示所做出的决策。由于它的灵活性与易于可视化,决策树在数据挖掘应用中被普遍用来进行分类。