AI遮天传 ML-决策树
Posted 老师我作业忘带了
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了AI遮天传 ML-决策树相关的知识,希望对你有一定的参考价值。
决策树学习是最早被提出的一批机器学习的方法之一,由于它好用且具有很强的可解释性,到现在依然在被广泛使用。
一、决策树学习基础
(比较简单,一带而过)
例:享受一种运动
对于新的一天,是否可以去享受运动?
适用决策树学习的经典目标问题
- 带有非数值特征的分类问题
- 离散特征
- 没有相似度的
- 特征无序
另一个例子:水果
- 颜色:红色、绿色、黄色
- 大小:小、中、大
- 形状:球形、细长
- 味道:甜、酸
样本表示
属性的列表而非数值向量
例如享受运动的例子:
- 6值属性:天气、温度、湿度、风、水温、预测天气
- 某一天的天气实例:晴、暖、一般、强、暖、不变
例如水果的例子:
- 4值元组:颜色、大小、形状、味道
- 某个水果的实例: 红、球形、小、甜
训练样本
决策树概念
决策树发展历史-里程碑
• 1966,由Hunt首先提出
• 1970’s~1980’s
• CART 由Friedman, Breiman提出
• ID3 由 Quinlan 提出
• 自1990’s以来
• 对比研究、算法改进(Mingers, Dietterich, Quinlan, etc.)
• 最广泛使用的决策树算法: C4.5 由 Quinlan 在 1993 年提
二、经典决策树算法 – ID3
自顶向下,贪心搜索
递归算法
核心循环:
- A :找出下一步 最佳 决策属性
- 将 A 作为当前节点决策属性
- 对属性A (vi )的每个值,创建与其对应的新的子节点
- 根据属性值将训练样本分配到各个节点
- 如果 训练样本被完美分类,则退出循环,否则进入递归状态继续向下探分裂新的叶节点
如:outlook是我们找出的最佳决策属性,我们就把它当成当前的根节点,根据outlook也就是天气情况我们就会有不同的分支不同的子节点,比如sunny、overcast、rain,如到了overcast就已经结束/有标签了,说明已经被分好了,如果还没被分好,我们就按照数据的取值把一批数据分到sunny、rain对应的分支上,humidity、wind,进入递归继续执行。如此时humidity是我们选择的最佳属性。
问题:
- 什么样的熟悉是最佳的决策属性?
- 什么叫做训练样本完美分类?
Q1:哪个属性是最佳属性?
比如这里有两个属性 A1(湿度)和 A2(风力)(64个数据,29个正例35个负例)
A1为true(湿度大)的有21正 5负 为false(湿度小)的有8正30负
A2为true(风力大)的有18正33负 为false(风力小)的有11正2负
注:正例是去运动,负例是不去。
此时到底A1和A2(湿度和风力)哪个作为根节点/最佳决策属性好呢?
当前最佳节点选择的基本原则:简洁
----我们偏向于使用简洁的具有较少节点的树
如上图,假如有两种水果,西瓜和柠檬。我们使用颜色color作为根节点则只需要根据green还是yellow便能够判断是西瓜还是柠檬。而如果我们选择size大小,大的肯定是西瓜了,而小的说不定还是小西瓜,所以还要根据颜色来判断。
属性选择和节点混杂度(Impurity)
属性选择的基本原则:简洁
—— 我们偏向于使用简洁的具有较少节点的树
在每个节点 N上,我们选择一个属性 T,使得到达当前派生节点的数据尽可能 “纯”
纯度(purity) – 混杂度(impurity)
如上图第一个的例子,经过了 颜色 ,则左边绿色都是西瓜右边黄色都是柠檬
而在第二个 尺寸 小 的节点上,又有西瓜又有柠檬,就不够 纯。
如何衡量混杂度?
1. 熵(Entropy) (广泛使用)
节点N的熵表示为在这个节点下不同的取值(w:以size大小为例w1是大w2是小,为w1的概率,为w2的概率。),每一个的和的相反数。
- 定义: 0log0=0
- 在信息理论中,熵度量了信息的纯度/混杂度,或者信息的不确定性
- 由上图可知,熵最大的时候概率为一半一半,即此时最不确定。
- 正态分布 – 具有最大的熵值
计算并判断下图例子:
可以看到A1 A2都是29+,35-,接近一半一半,熵应该是接近于1的。
蓝线:1个类时概率为1,2个类时概率为0.5,16个类时概率为1/16
红线:1个类时最大熵为0,2个类时最大熵为1,无限增长。(其中最大时为均匀分布的)
2. Gini 混杂度 ( Duda 倾向于使用 Gini 混杂度)
在经济学和社会学上人们用 基尼系数 来衡量一个国家发展的平衡与否。
表示所有不相同情况的乘积(如果是A、B两种情况则p(A)*p(B),如果是A、B、C三种情况则p(A)*p(B)+p(A)*p(C)+p(B)*p(C))
或者 1-相同情况的乘积 ()
n = number of class(也是因为是均匀分布的,各部分都是1/n)
有了上限,上限为1.
3. 错分类混杂度
1-最大类的概率,即1-大多数进入的那个类(分对了,1-就是错的)
度量混杂度的变化--信息增益(IG)
由于对A的排序整理带来的熵的期望减少量
原始S的熵值-经过属性A分类以后的期望熵值
经计算,可见A1(湿度)的IG(信息增益)更大一些,也就意味着我们获得了更多的信息(减少的熵更多一些),我们选择A1作为根节点。
例:根据下表选择用哪个属性做根节点
Outlook的Gain最大,选它作为根节点。
Q2: 何时返回(停止分裂节点)?
“如果训练样本被完美分类”
• 情形 1: 如果当前子集中所有数据 有完全相同的输出类别,那么终止
• 情形 2: 如果当前子集中所有数据 有完全相同的输入特征,那么终止
比如:晴天-无风-湿度正常-温度合适,最后有的去了有的没去。此时即使不终止也没办法了,因为能用的信息已经用完了。这意味着:1、数据有噪声noise。需要进行清理,如果噪声过多说明数据质量不够好。2、漏掉了重要的Feature,比如漏掉了当天是否有课,有课就没办法出去玩。
可能的情形3: 如果 所有属性分裂的信息增益为0, 那么终止 这是个好想法吗?(No)
如上图此时树的第一个节点都找不出来(IG都是0),如果3说得对,那此时决策树都无法构建。
假如我们不要这个条件,反正都一样,IG都是0,多个最大值的时候随机选一个关系就被构建出来了(此时也完美分类了)
即在ID3中只有上面两种情况会停止分裂,如果IG=0,则随机取一个就好。
ID3算法搜索的假设空间
- 假设空间是完备的(即能处理属性的析取又能处理属性的合取)
目标函数一定在假设空间里
- 输出单个假设(沿着树的一条路走下去)
不超过20个问题(根据经验,一般feature不超过20个,过于复杂树比较长也容易产生过拟合)
- 没有回溯(以A1做根节点,没办法退回去看A2做根节点怎么样)
局部最优
- 在每一步中使用子集的所有数据(比如梯度下降算法里权值的更新策略是每条数据更新一次的话,那就是每次只使用一条数据)
数据驱动的搜索选择
对噪声数据有鲁棒性
ID3中的归纳偏置(Inductive Bias)
- 假设空间 H 是作用在样本集合 X 上的
没有对假设空间作限制
- 偏向于在靠近根节点处的属性具有更大信息增益的树
尝试找到最短的树
该算法的偏置在于对某些假设具有一些偏好 (搜索偏置), 而不是对假设空间 H 做限制(描述偏置).
奥卡姆剃刀(Occam’s Razor)*:偏向于符合数据的最短的假设
CART (分类和回归树)
一个通用的框架:
- 根据训练数据构建一棵决策树
- 决策树会逐渐把训练集合分成越来越小的子集
- 当子集纯净后不再分裂
- 或者接受一个不完美的决策
许多决策树算法都在这个框架下,包括ID3、C4.5等等。
三、过拟合问题
如上图,b比a更好,但如果像c一样每个点都被完美拟合了,错误率为0,但是如果有一个新的点:
此时c的算法的误差就太大了,过于匹配训练数据了,使得它在测试的更多未见实例上的泛化能力下降了。
决策树过拟合的一个极端例子:
- 每个叶节点都对应单个训练样本 —— 每个训练样本都被完美地分类
- 整个树相当于仅仅是一个数据查表算法的简单实现
即此时的树就是一个数据查表,可以类比数据结构里哈希表。这意味着查找时只能查找表里有的数据,对于没有的数据查不到,没什么泛化能力。
四、如何避免过拟合
对决策树来说有两种方法避免过拟合
- 当数据的分裂在统计意义上并不显著(如样例少)时,就停止增长:预剪枝
- 构建一棵完全树,然后再做后剪枝
在实际应用中,一般预剪枝更快, 而后剪枝得到的树准确率更高。
对于预剪枝
很难估计树的大小
预剪枝: 基于样本数
通常一个节点不再继续分裂,当:
- 到达一个节点的训练样本数小于训练集合的一个特定比例 (例如 5%)
- 无论混杂度或错误率是多少
- 原因:基于过少数据样本的决定会带来较大误差和泛化错误(盲人摸象)
比如有100个数据,到当前节点只有5个数据了,就不继续向下分了,无论几个正几个负,说明分的过细了。
预剪枝: 基于信息增益的阈值
- 设定一个较小的阈值,如果满足下述条件则停止分裂:
- 优点: 1. 用到了所有训练数据 2. 叶节点可能在树中的任何一层
- 缺点: 很难设定一个好的阈值
选IG大的为节点,如果IG最大的还是有点小了, 则停止。
对于后剪枝:
• 如何选择 “最佳” 的树?
在另外的验证集合上测试效果
• MDL (Minimize Description Length 最小描述长度):
minimize ( size(tree) + size(misclassifications(tree)) ) 树的大小和错误率的和最小
后剪枝: 错误降低剪枝
• 把数据集分为训练集和验证集
• 验证集:
• 已知标签
• 测试效果
• 不要在验证集上不做模型更新!
• 剪枝直到再剪就会对损害性能:
• 在验证集上测试剪去每个可能节点(和以其为根的子树)的影响
• 贪心地去掉某个可以提升验证集准确率的节点
剪掉某个节点后,如何定义新的叶节点(父亲)的标签呢?
剪枝后新的叶节点的标签赋值策略
• 赋值成最常见的类别(60个data,50个+10个-,那就+)
• 给这个节点多类别的标签
每个类别有一个支持度(5/6:1/6) (根据训练集中每种标签的数目)
测试时: 依据概率(5/6:1/6)选择某个类别或选择多个标签
• 如果是一个回归树 (数值标签),可以做平均或加权平均
• ……
错误降低剪枝的效果
从后到前,在验证集上一点点减枝。
后剪枝: 规则后剪枝
1. 把树转换成等价的由规则构成的集合
• e.g. if (outlook=sunny)^ (humidity=high) then playTennis = no
2. 对每条规则进行剪枝,去除哪些能够提升该规则准确率的规则前件
• i.e. (outlook=sunny)60%, (humidity=high)85%,(outlook=sunny)^ (humidity=high)80%
3. 将规则排序成一个序列 (验证集:根据规则的准确率从高往低排序)
4. 用该序列中的最终规则对样本进行分类(依次查看是否满足规则序列,即在规则集合上一条一条往下走直到能判断出来)
(注:在规则被剪枝后,它可能不再能恢复成一棵树)
一种被广泛使用的方法,例如C4.5
为什么在剪枝前将决策树转化为规则?
• 独立于上下文
• 否则,如果子树被剪枝,有两个选择:
• 完全删除该节点
• 保留它
• 不区分根节点和叶节点
• 提升可读性
五、扩展: 现实场景中的决策树学习
1. 连续属性值
• 建立一些离散属性值,区间化,便于建立分支
• 可选的策略:
• I.选择相邻但有不同决策的值的中间值
上图48与60,80与90之间yes no变了,我们可以取中间值
(Fayyad 在1991年证明了满足这样条件的阈值可以信息增益IG最大化)
• II. 考虑概率
如正态分布概率密度函数图像,区间长短可以不同,但其面积/数量是相同的。
2. 具有过多取值的属性
问题:
• 偏差: 如果属性有很多值,根据信息增益IG,会优先被选择
• e.g. 享受运动的例子中,将一年里的每一天作为属性(又变成像查表了)
• 一个可能的解决方法: 用 GainRatio (增益比)来替代
3. 未知属性值
有的特征我们不知道是什么,可以把不知道的选成常见的,或者根据概率赋值。
4. 有代价的属性
即如果feature多,IG可以除以一个惩罚项,有代价可以除以cost...
六、其他信息
• 决策树可能是最简单和频繁使用的算法
• 易于理解
• 易于实现
• 易于使用
• 计算开销小
• 决策森林:
• 由C4.5产生的许多决策树
• 更新的算法:C5.0 http://www.rulequest.com/see5-info.html
• Ross Quinlan的主页: http://www.rulequest.com/Personal/
以上是关于AI遮天传 ML-决策树的主要内容,如果未能解决你的问题,请参考以下文章
4.Spark ML学习笔记—Spark ML决策树 (应用案例)随机森林GBDT算法ML 树模型参数详解 (本篇概念多)