决策树模型之ID3算法、C4.5算法和CART算法

决策树模型是一种常用的有监督的学习模型，其主要用来解决分类问题，但是也可用来解决回归问题。

信息熵和信息增益

我们先来了解两个概念，信息熵与信息增益。

信息熵
信息熵用来表示事物的不确定性或不纯性，信息熵越大，则表示该事物的不确定性或不纯性越大。

信息熵的公式为： $H(x)=-\sum_{i=1}^{n}p_ilogp_i$H(x)=−∑i=1n​pi​logpi​

举个例子：有两个集合，A集合[1,1,1,1,1,1,3]，B集合[1,2,3,4,5,6,7]，显然A集合的熵值要比B集合小得多，因为A集合只有两类，B集合有七类，相对来说A集合的不确定性要比B集合小，因此A集合的熵值更小。同样，我们在进行分类问题时，也希望通过节点分类后，数据的不确定性变小。

信息增益

简单来说，信息增益就是熵值变化的大小，即一个特征带来的熵值变化。

信息增益公式： $I(x,y)=H(x)-H(x|y)$I(x,y)=H(x)−H(x∣y)

信息熵和信息增益计算方法：

举个例子：

这是一份一个同学这14天打球的情况，其中“play”是标签，其他是特征。在分裂之前，14天中，有9天打球，5天不打球，所以，此时的熵值为：

$-\frac{9}{14}log_2\frac{9}{14}-\frac{5}{14}log_2\frac{5}{14}=0.940$−149​log2​149​−145​log2​145​=0.940

如果按照“天气”特征进行分裂，分裂后结果为：

Outlook = sunny时，熵值为0.971
Outlook = overcast时，熵值为0
Outlook = rainy时，熵值为0.971
Outlook为sunny、overcast、rainy的概率分别为5/14，4/14，5/14

因此，总熵值为：$5/14*0.971+4/14*0+5/14*0.971=0.693$5/14∗0.971+4/14∗0+5/14∗0.971=0.693
因此，信息增益为：$0.940-0.693=0.247$0.940−0.693=0.247

ID3算法

ID3算法就是以“信息熵”和“信息增益”为核心的贪心算法。ID3算法通过计算每个属性的信息增益，认为信息增益高的是好属性，每次划分选取信息增益最高的属性为划分标准，重复这个过程，直至生成一个能完美分类训练样例的决策树。

如上面的例子，ID3算法将依次计算按照4个特征分裂后的信息增益，选取最大的信息增益的特征作为分裂的根节点，然后再次求出不同叶子节点按照不同特征划分的信息增益，选取信息增益最大的特征进行分裂，不断重复，直至模型训练完成。简单来说：ID3算法是以“信息增益”作为分类标准的算法。

ID3算法的缺点：
1.不能处理连续值。 ID3算法中的特征只能是类别数据，如果是连续值，ID3算法将会把每个值作为一个类进行处理。
2.容易偏向取值较多的特征。 因为取值较多的特征的熵值更大，对其进行分类后熵值减小的数值容易较大，因此，ID3算法在进行特征选取时，容易偏向取值较多的特征。
3.容易发生过拟合，且只能进行分类不能进行回归。
4.使用了熵模型，涉及大量的对数运算，比较耗时。

C4.5算法

C4.5算法在ID3算法的基础上主要进行了如下改进：
1.将连续值离散化，用以处理连续特征。
2.使用信息增益率作为选取特征的标准，从而避免了ID3算法中容易偏向取值较多特征的缺点。

C4.5算法中连续值离散化过程：
1.加入特征A有m个点，先对特征A进行排序：a1，a2，a3······am；
2.取相邻两个点的均值作为划分点，共计m-1个划分点，其中第i个划分点使用 $T_i=\frac{a_i+a_{i+1}}{2}$Ti​=2ai​+ai+1​​ 表示；
3.分别计算着m-1个点的信息增益，选择信息增益最大的点作为该连续特征的二元离散分类点。

信息增益率
信息增益率即信息增益与特征熵的比值： $I_R(D,A)=\frac{I(A,D)}{H_A(D)}$IR​(D,A)=HA​(D)I(A,D)​

C4.5算法的缺点：
1.和ID3算法一样，只能处理分类问题，不能处理回归问题。
2.同样使用了熵模型，比较耗时。
3.生成的是多叉树。

CART算法

CART算法既能处理分类问题，也能处理回归问题。
CART算法与C4.5算法类似，不同的是CART算法使用基尼系数作为特征选择的依据，并且在处理连续值时，生成的是二叉树而非多叉树。

基尼系数（Gini）
如果一个样本D，共有K个类别，第K个类别的数量为$C_K$CK​，第K个类别的概率为$P_K$PK​:

$Gini(P)=\sum_{K=1}^{K}P_K(1-P_K)=1-\sum_{K=1}^{K}P_K^2$Gini(P)=∑K=1K​PK​(1−PK​)=1−∑K=1K​PK2​

即：$Gini(D)=1-\sum_{K=1}^{K}(\frac{C_K}{D})^2$Gini(D)=1−∑K=1K​(DCK​​)2

对于样本D，根据特征A的某个值a，将D分为D1和D2，则在特征A下，D的基尼系数为：

$Gini(D,A)=\frac{D_1}{D}Gini(D_1)+\frac{D_2}{D}Gini(D_2)$Gini(D,A)=DD1​​Gini(D1​)+DD2​​Gini(D2​)

CART回归：
CART回归树和CART分类树相似，不同之处在于：
1.连续值的处理方式不同：
CART回归树的度量目标是：对于任意特征A，对应任意划分点S两边划分成的数据集D1和D2，求出是D1和D2各自集合的均方差最小；同时，D1和D2的均方差之和最小所对应的特征和特征值划分点，表达式为：
$\underset{A,S}{min}\left [ \underset{C_1}{min}\sum_{x_i\in D_1(A,S)}(y_i-C_1)^2+\underset{C_2}{min}\sum_{x_i\in D_2(A,S)}(y_i-C_2)^2 \right ]$A,Smin​[C1​min​∑xi​∈D1​(A,S)​(yi​−C1​)2+C2​min​∑xi​∈D2​(A,S)​(yi​−C2​)2]
其中，C1为D1的均值，C2为D2的均值。
2.决策树建立后的预测方式不同：
分类树的预测按照投票方式进行，而回归树采用最终叶子节点的均值或中位数作为最终预测结果。