目录
一.什么是决策树
一种最基本的分类与回归方法，因为实际应用中基本上全是用来分类，所以重点讨论分类决策树。其本质就是一颗树，根据损失函数最小化原则选择根节点,节点决定分类的走向哪个叶节点，叶节点代表最后的类型。
二.构造决策树
1.选择根节点
（1）熵：代表事物的混乱程度，在分类中不需要过度理解，只要知道熵越小混乱程度越小，分类的效果也就越好。
?Pi代表分类后一类出现的概率。Gini也是来衡量分类效果的，都是越小越好。
2.构建
过程中要随着树的深度增加使熵值下降最快越好。举例：
?用着四个特征构造决策树，首先确定根节点。
?首先计算假如没有进行选择节点看熵的大小：一天打球的概率使9/14，不打球是5/14，所以：
?算outlook为根节点
?
3.递归构造
知道了temperature是最佳根节点，根据它的子节点中的数据进行再次计算其他三个分类的信息增益，使得信息增益最大即可。
4.ID3存在的问题：
上文的决策方法是ID3，这个方法主要的缺点是可能出现分类过多，假如上文中的分类是14个，即每个人一个类，那么熵为零，这样信息增益最大，但实际中不可能每个人一类。
改进方法C4.5：算的信息增益除以熵来当作新的评价指标。
5.剪枝
·预剪枝：构造决策树，设定数的深度，提前停止，避免过拟合。
·后剪枝：构建完决策树，剪枝。比如设定一些条件。评价函数和叶子节点个数共同决定是否剪枝。这里α是自定义的参数。
?6.随机森林
随机：1随机选择多个样本，随机选择多个特征，也就是本来100*100的样本随机选取出50*50的样本进行构建决策树。
当训练好森林之后，想要预测，把特征发送给森林里面所有相关的数目，获得多个结果，如果是离散的数据，只需计算最多的结果，连续的计算平均值即可。
三.优缺点
优点
1）决策树易于理解和实现，人们在在学习过程中不需要使用者了解很多的背景知识，这同时是它的能够直接体现数据的特点，只要通过解释后都有能力去理解决策树所表达的意义。
2）对于决策树，数据的准备往往是简单或者是不必要的，而且能够同时处理数据型和常规型属性，在相对短的时间内能够对大型数据源做出可行且效果良好的结果。
3）准确性高: 挖掘出来的分类规则准确性高, 便于理解, 决策树可以清晰的显示哪些字段比较重要, 即可以生成可以理解的规则.
4）适合处理有缺失属性的样本，对缺失值不敏感
?
缺点
1）容易发生过拟合（剪枝 随机森林）
2）分类过程中每一步都依据单一特征，忽视了特征之间的关联性，在处理特征关联性强的数据时表现不好
3）对于样本不均衡的数据集表现不好，欠拟合。在特征选择时ID3算法偏好于选取可取值数目较多的属性,C4.5算法偏向选取可取值数目较少的属性（实际中是在算法中采用启发式原则，先从候选属性中选出信息增益高于平均水平的属性，再从中选择增益率最高的属性）
?