决策树（decision tree）是一种基本的分类与回归方法。
其表示的树型结构，能够觉得是if-else规则的集合。基本的长处是分类可读性好，速度快。
一般会有三个步骤：特征选择、决策树的生成和决策树的修剪。
决策树由结点(node)和有向边(directed edge)组成。结点有两类：内部结点（表示一个特征或者属性）和叶节点（表示一个类或者决策结果）。决策树学习样本集，学习的目标是依据给定的训练数据集构建决策树模型。可以对測试集以及实例进行正确的分类。通常默认。训练集和測试集拥有同样或近似的分布概率模型。
从全部可能的决策树中选取最优决策树是NP全然问题，所以通常採用启示式方法。近似求解这一最优问题。得到的决策树是次最优（sub-optimal）。
因为决策树表示一个条件概率分布，所以深浅不同的决策树相应复杂度不同的概率模型。决策树的生成仅仅考虑局部最优（贪心算法），决策树的剪枝则考虑全局最优。
信息增益和信息增益率
特征选取在于选择对训练数据集具有分类能力的特征，这样能够提高决策树的学习效率。
假设一个特征进行分类的结果与随机分类的结果没有非常大的差别，那这个特征的分类能力非常差或者差点儿没有。
1）信息熵
信息熵是信息论中的基本概念。信息论由Shannon于1948年提出并发展起来，用于解决信息传递过程中的问题，也称统计通信理论。它觉得：
1、信息传递由信源、信道和信宿组成。
2、传递系统存在于一个随机干扰环境中，因此传递系统对信息的传递是随机误差的。假设把发送信息记为U而接收到信息记 V，由信道可记为通信模型。为P(U|V)。
信道模型是一个条件概率矩阵P(U|V)。
在实际通信前。信宿信源会发出什么信息不可能知道。称为信宿对信源状态具有不确定性，因为这样的不确定性是发生在通信之前的。故称为先验不确定性。
在收到信息后的不确定性。称为后验不确定性。
信息是指对不确定性的消除。
Shannon 借鉴了热力学的概念，把信息中排除了冗余后的平均信息量称为“信息熵”。并给出了计算信息熵的数学表达式。变量的不确定性越大，熵也就越大，把它搞清楚所须要的信息量也就越大。
信息熵是信息论中度量信息量的一个概念。
一个系统越有序，它的信息熵越小；反之。一个混乱的系统信息熵越大。能够觉得，信息熵是系统有序化程度的一个度量。
2）信息增益
信息熵又称为先验熵，是在信息发送前信息量的数学期望。后验熵指在信息发送后，从信宿角度对信息量的数学期望。一般先验熵大于后验熵，先验熵与后验熵估差，即所谓的信息增益，反映的是信息消除随机不确定性的程度。
决策树学习中的信息增益等价于训练集中类与特征的互信息。
表示因为特征A而导致训练集不确定性的降低量。信息增益也。特征A对训练集D的信息增益g(D, A)。定义为集合D的经验熵H(D)与特征A给定条件下的经验条件熵H(D|A)之差：
3）信息增益率
信息增益值得大小是相对训练集而言。并没有绝对的意义。
举一个样例。火车的速度能在9s内从10m/s加速到100m/s，可是如今有一辆摩托车能在1s内从1m/s加速到11m/s，尽管加速后摩托车的速度不如火车，可是它拥有和火车等同的加速能力！
在训练集的经验熵大的时候，信息增益值也会偏大，反之信息增益值会偏小。不能反映真实的不确定改善能力。使用信息增益率（information gain ratio）能够对这一问题进行校正。
特征A对训练集D的信息增益率gainRatio(D, A)。定义为其信息增益g(D, A)与训练数据集D的经验熵H(D)之比：
决策树学习之ID3算法
ID3算法是决策树算法的一种。想了解什么是ID3算法之前。我们得先明确一个概念：奥卡姆剃刀（Occam‘sRazor, Ockham‘s Razor），是由14世纪逻辑学家、圣方济各会修士奥卡姆的威廉（William of Occam，约1285年至1349年）提出。他在《箴言书注》2卷15题说“切勿浪费较多东西。去做‘用较少的东西，相同能够做好的事情’。简单点说。便是：be simple。因此。越是小型的决策树越优于大的决策树（be simple简单理论）。
ID3算法的实现思想：
1）自顶向下贪婪遍历决策树空间以构造决策树。
2）计算单独特征属性分类训练样本集的能力，选取分类能力最好的一个属性(最佳属性)作为决策树的根节点，以此表示该属性相比其他属性拥有更强的区分能力。
3）对于根节点属性可能产生的每一种可能构建一个分支，再次遍历样本集将其划分到不同分支。
4）递归的对每一个分支反复2）、3）。直到出现叶子节点。也即分支下仅仅有预測的结果。
ID3相当于用极大似然法进行概率模型的选择。
C4.5算法：ID3算法的改进
既然说C4.5算法是ID3的改进算法，那么C4.5相比于ID3改进的地方有哪些呢？
1）用信息增益率来选择属性。ID3选择属性用的是子树的信息增益。这里能够用非常多方法来定义信息，ID3使用的是熵(entropy。熵是一种不纯度度量准则)。也就是熵的变化值，而C4.5用的是信息增益率。
对，差别就在于一个是信息增益，一个是信息增益率。
2）在树构造过程中进行剪枝。在构造决策树的时候，那些挂着几个元素的节点，easy导致overfitting。
3）对非离散数据也能处理。可以对不完整数据进行处理。
决策树使用于特征取值离散的情况，连续的特征一般也要处理成离散的(而非常多文章没有表达出决策树的关键特征or概念)。实际应用中。决策树overfitting比較的严重，一般要做boosting。分类器的性能上不去。非常基本的原因在于特征的鉴别性不足，而不是分类器的好坏，好的特征才有好的分类效果。分类器仅仅是弱相关。
决策树的剪枝
决策树生成算法递归的产生决策树，知道不能继续下去为止，这样产生的决策树往往对训练集非常准确，但对于未知的測试集数据分类却不一定有那么准确，这就是过拟合（overfitting）现象。过拟合的原因在于：学习时过多的优化其高训练集的正确分类，构建的决策树过于复杂。而要解决问题必须简化决策树。
在书中学习的一种简单的剪枝算法：通过极小化决策树的损失函数（loss function）来实现，
树的剪枝算法：输入（生成算法产生的整个树T，參数a），输出（修剪后的子树Ta）
1）计算每一个结点的经验熵。
2）递归的从树的叶子结点向上回缩。
如果一组叶子结点回缩到其父节点之前和之后的损失函数值各自是。且
则应该进行剪枝，使得该父节点成为新的叶节点。
3）反复2）直至不能继续为止，得到损失函数最小的子树Ta。
整个算法能够用动态规划算法实现(DP)？（有待兴许进一步考虑）
总结：主要是一些决策树学习的基础知识，兴许深入学习必需要代码，动手实现才是王道。
camefrom：鱼萌_幸福路