决策树算法决策树定义首先，我们来谈谈什么是决策树。我们还是以鸢尾花为例子来说明这个问题。 观察上图，我们判决鸢尾花的思考过程可以这么来描述：花瓣的长度小于 2.4cm 的是setosa(图中绿色的分类)，长度大于 1cm 的呢?我们通过宽度来判别，宽度小于 1.8cm 的是versicolor(图中红色的分类)，其余的就是 virginica(图中黑色的分类)我们用图形来形象的展示我们的思考过程便得到了这么一棵决策树：这种从数据产生决策树的机器学习技术叫做决策树学习, 通俗点说就是决策树，说白了，这是一种依托于分类、训练上的预测树，根据已知预测、归类未来。前面我们介绍的 k-近邻算法也可以完成很多分类任务，但是他的缺点就是含义不清，说不清数据的在逻辑，而决策树则很好地解决了这个问题，他十分好理解。从存储的角度来说，决策树解放了存储训练集的空间，毕竟与一棵树的存储空间相比，训练集的存储需求空间太大了。决策树的构建一、KD3 的想法与实现下面我们就要来解决一个很重要的问题：如何构造一棵决策树?这涉与十分有趣的细节。先说说构造的基本步骤，一般来说，决策树的构造主要由两个阶段组成:第一阶段，生成树阶段。选取部分受训数据建立决策树，决策树是按广度优先建立直到每个叶节点包括相同的类标记为止。第二阶段，决策树修剪阶段。用剩余数据检验决策树，假如所建立的决策树不能正确回答所讨论的问题，我们要对决策树进行修剪直到建立一棵正确的决策树。这样在决策树每个部节点处进行属性值的比较，在叶节点得到结论。从根节点到叶节点的一条路径就对应着一条规则，整棵决策树就对应着一组表达式规则。问题：我们如何确定起决定作用的划分变量。我还是用鸢尾花的例子来说这个问题思考的必要性。使用不同的思考方式，我们不难发现下面的决策树也是可以把鸢尾花分成 3 类的。 为了找到决定性特征，划分出最正确结果，我们必须仔细评估每个特征。通常划分的方法为信息增益和基尼不纯指数，对应的算法为 C4.5 和 CART。关于信息增益和熵的定义烦请参阅百度百科，这里不再赘述。直接给出计算熵与信息增益的 R 代码：1、 计算给定数据集的熵calcent<-function(data){nument<-length(data[,1])key<-rep("a",nument)for(i in 1:nument)key[i]<-data[i,length(data)]ent<-0prob<-table(key)/numentfor(i in 1:length(prob))ent=ent-prob[i]*log(prob[i],2)return(ent)} 我们这里把最后一列作为衡量熵的指标，例如数据集 mu...
