一、決策樹是什么？

“決策樹是一顆好樹，是一顆可以幫我們做決策的樹。”

決策樹的結構：樹形結構，節(jié)點表示判斷條件（分為根節(jié)點和中間節(jié)點），分支代表判斷結果，葉子代表分類結果。

二、如何構造一棵決策樹

1.當我們要構造一棵決策樹的時候，大概首先想到的就是以下4個問題：

• 選哪個作為根節(jié)點？
• 根節(jié)點選定后，怎么選中間節(jié)點？
• 最后的葉節(jié)點又是怎樣確認的？到什么程度呢？
• 怎樣把這個事弄的更細致，使其能夠讓計算機來實現(xiàn)？

2.要解決上面的問題，先來看下構造決策樹的流程

收集數(shù)據(jù)->準備數(shù)據(jù)->分析數(shù)據(jù)->訓練算法->測試算法->使用算法

針對構造決策樹時候面臨的問題，衍生了很多決策樹算法，他們處理的根本問題是上面流程的第四步——訓練算法，實際上也就是劃分數(shù)據(jù)集方法。一般有ID3、C4.5、C5.0三種算法。

1) ID3算法

根據(jù)信息熵算法計算節(jié)點的信息增益，信息增益最大的自變量作為根節(jié)點，其他的特征值依次選取為內部節(jié)點。

2) C4.5算法

待更新。。。。

3) C5.0算法

待更新。。。。

三、決策樹與多條件過濾有什么區(qū)別？

從決策樹的結構可以看出來，其實決策樹的本質就是多條件過濾，但與多條件過濾的區(qū)別主要體現(xiàn)在各判斷的條件上，多條件過濾中各個判斷條件的權重是一樣的，而決策樹中越是處于樹結構頂端的節(jié)點權重占比越大，比如根節(jié)點的權重是最大的。這就好比去面試，一面沒過的話就沒必要進行二面、三面、四面了。因此決策樹過濾的效率會比多條件過濾更高。

四、決策樹的應用

決策樹在商業(yè)中的實際應用很多，比如銷量預測模型。

五、決策樹的python實現(xiàn)

待更新。。。。

參考文章：

百度百科：決策樹

一篇文章搞懂機器學習中決策樹的那些事兒

?

總結

以上是生活随笔為你收集整理的通俗易懂地搞懂决策树（Decision Tree）那些事儿的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。