本来还是想像以前一样，继续学习《 Python数据挖掘入门与实践 》的第三章“决策树”，但是这本书上来就直接给我怼了一大串代码，对于决策树基本上没有什么介绍，可直接把我给弄懵逼了，主要我只听过决策树还没有认真的了解过它。
这一章节主要是对决策树做一个介绍，在下一个章节，将使用决策树来进行预测分类。
Decision Tree是一类较为常见的机器学习的方法。它既可以作为分类算法，也可以作为回归算法。
如何来介绍决策树，这里举一个例子：在大学，你找女朋友的时候，心目中顺序应该是这样的（仅仅是举一个例子）：
为了更好的表示上面的这一些问题，我们可以将其画成一张树状图如下所示：
上面的这棵树就是我们找女朋友的决策过程，圆角矩形代表了判断条件，椭圆形代表了决策结果。通过性别，年龄，专业这几个属性，最终我们得出了最终的决策。而这棵树也就被称之为决策树。
大家通过上图会发现有3个东西：
在一棵决策树中，包含了一个根节点，多个内部节点（判断条件） 和若干个叶子节点。先说叶子节点，在决策树中，叶子节点对应了决策结果，决策结果可以有多种类型（图中是yes和no，也可以为1，2，3）。内部节点和根节点对应的都是属性测试，只不过先后顺序不同。
总的来说，决策树体现的是一种“分而治之”的思想，
那么这里就有一个问题，谁来当根节点？谁又来当中间的节点？先后顺序又是怎样的？（这里先不说算法流程，从简单开始说起，然后再说算法流程）
首先我们需要明白根节点和中间节点是不同的，一个是统领全局的开始包含所有的样本。一个是负责局部的决策，并且随着决策树的不断的进行决策，所包含的样本逐渐属于同一个类别，即节点的“纯度”越来越高。
那么，我们如何来寻找合适根节点（也就是属性）呢？靠感觉？靠感觉当然不行，我们需要一个具体的数值来决定，很幸运，香农帮助我们做到了。
“信息熵”（information entropy）：可以度量样本集合中的“纯度”。 在信息世界，熵越高，表示蕴含越多的信息，熵越低，则信息越少。 而根节点需要包含所以的样本，则根结点的熵最大。
设样本集合为
现在，我们已经知道一个集合
下面是西瓜书中对信息增益的定义：
假设离散属性有
个可能的取值
，若以属性
对样本进行划分，则有V个分支，其中第
个分支包含了
中在属性
上取值为
的样本，记为
。我们可以计算出
的信息熵，然后考虑到不同分支结点的样本数不同，给分支结点赋予权重
，样本数愈多，则影响力越大，则可以计算出属性
对样本集
进行划分的“信息增益”：
一般来说，信息增益越大，则代表划分后的集合越“纯”，也就是说使用
下面是来自《西瓜书》的决策树生成算法流程：
决策树生成是一个递归的过程，在下面3中情况中，递归会返回：
算法可能不是那么的形象好理解，下面将以实际的例子来展示。
在最上面上面的找女朋友的例子并不是特别的好，属性太少。这里以西瓜书中的 来进行举例。这个属性还是挺多的。
在上图中，属性的集合是{色泽，根蒂，敲声，纹理，脐部，触感}（目前不考虑编号这个属性），分类的集合是{是，否}，一共有17个样本。
首先让我们来及计算集合
以色泽作为划分标准，可以得到3个子集：
我们可以获得
因此色泽的信息增益为：
然后以纹理是“清晰为例”，该集合
因此我们可以在“根蒂”，“触感”，“脐部”中任意选择其中一个作为划分属性。最终得到以下的决策树：
通过上面的这些步骤，我们就得到了一颗关于西瓜的好坏的决策树。ID3算法就是用信息增益作为划分标准。
上面的例子来自西瓜书，以及计算的结果也来自西瓜书。
在这里有一个问题，
编号这个属性，如果在上面我们选择编号作为根节点，那么第一次划分就能够得到17个集合，每一个集合只有1个样本，
分类中起到的作用给很小（也就是它对分类的影响很小），那么我们应该怎么考虑呢？
这里我们可以使用增益率来作为划分的标准，定义如下
固有值(intrinsic value)，属性
其中著名的C4.5算法就是使用增益率来划分属性。
除了这种解决方案，还有一种解决方法，基尼指数作为划分标准，CART决策树使用这种方法。
前面我们使用信息熵来表示集合的纯度，这里我们使用基尼值来表示：
设样本集合为
同样，属性
因此，在我们选择合适的属性进行划分的时候，选择划分后基尼指数较小的属性作为划分标准即可。
这个时候我们再来看一看这幅图，应该就看的懂了吧。
剪枝（pruning）处理
首先，我们先说一下剪枝的目的——防止“过拟合”。在决策树的学习过程中，为了保证正确性，会不断的进行划分，这样可能会导致对于训练样本能够达到一个很好的准确性，但是对于测试集可能就不是很好了，这样的模型不具备泛化性。下面来举一个例子：
我们有如下的数据集：
坐标轴的上的每一个点代表一个样本，有
当我们使用决策树进行训练后，模型对于数据的识别区域如下，在粉红色区域，其认为里面的点为类0，蓝色的区域为类1：
大家可能发现一个问题，那就是这个区域划分的太“细致”了。因为数据是有噪音(noise)的，这样划分明显是不合理的。这里大家可以看一看决策树的图片：
那么如何来缓解这种问题呢？其中有一种方法就是去掉一些分支（剪枝）来降低过拟合的风险。
剪枝有两种方案：
预剪枝是指在决策树生成过程中，对每个结点在划分前先进行估计，若当前结点的划分不能带来决策树泛化性能提升，则停止划分并将当前结点标记为叶结点。
用通俗的话来说，就是如果进行划分能够带来更好的结果就进行划分，否则不进行划分。首先，我们定义一个训练集和一个验证集如下：（西瓜书中间的例子）
上面一部分是训练集，下面一部分是测试集。然后让我们来对**训练集（记住是训练集）**进行划分，划分的规则与上面的一样。
下面的这幅图是未剪枝的情况。
那么，剪枝是如何进行的呢？
首先，我们先判断“脐部”，如果我们不对“脐部”进行划分，也就是说这棵决策树是这样的：
只有一个好瓜的判断结果（根据上面的算法流程图，node节点直接就是叶子节点，其类别由样本中最多的决定【这里既可以是好瓜也可以是坏瓜，因为数量一样】）
这样下来，也就是说无论你什么瓜过来我都判断它是好瓜。使用验证集进行验证，验证的精准度为：
下图便是进行划分的情况，其中被红色圆圈框出来的部分表示验证正确。
如果只划分“脐部”这个属性，我们可以通过其来划分好瓜和坏瓜，通过验证机去测试，我们可以得到划分后的准确性为：
下面便是进行前剪枝后的划分结果,使用验证集进行验证，精度为
尽管该方案可以降低过拟合的风险，并在一定程度上能够降低算法的复杂度，但也会带来欠拟合的风险。因为会出现另外一种情况：有可能当前划分不能提升泛化能力，但是在此基础上的后续的划分也许可以导致性能显著提高。
后剪枝则是先从训练集生成一棵完整的决策树，然后自底向上地对非叶结点进行考察，若将该结点对应的子树替换为叶结点能带来决策树泛化性能提升，则将该子树替换为叶结点.
后剪枝和前剪枝的不同在于后剪枝是在生成决策树后再进行剪枝。顺序是由下到上。
我们继续来看这幅图：
通过验证集，我们易得到该决策树的识别率为
让我们重新看一下数据吧，数据集和验证集如下：
现在让我们来进行剪枝吧！！首先先看节点⑥，节点6中包含编号为
在这种情况下，验证集中序号为
考虑结点⑤，包含编号为
最终，该决策树的精度为
比较预剪枝和后剪枝，后剪枝保留的分支更多，同时后剪枝的欠拟合的风险很小，泛化性能往往优于预剪枝决策树，但是显而易见，训练的时间要比预剪枝大得多。
什么是随机森林呢？随机森林是一个包含多个决策树的分类器，由很多决策树构成，不同的决策树之间没有关联。当我们进行分类任务时，森林中的每一棵决策树都会分别对样本进行判断和分类，每个决策树会得到一个自己的分类结果，决策树的分类结果中哪一个分类最多，那么随机森林就会把这个结果当做最终的结果。 （emm，少树服从多树）。好像很简单的样子，但是这里有一个问题，那就是随机森林中有多个决策树，那么，我们如何用已有的数据集去构建这么多的决策树呢？
首先我们要明白，决策树是不同的，那么训练决策树所需要的数据也不同。那么具体该如何选择呢？既然是随机森林，那么它肯定是随机的！！它的随机有两层含义：
样本随机使用的是Bagging算法（Bootstrap aggregating，引导聚集算法）又称之为装袋算法。算法的流程如下：
给定一个训练集大小为
ps：通过以上这种取样得到的集合
若样本有
ps：在这种情况下，
随机森林的优缺点
通过上面的样本随机和属性随机，我们就可以构建出很多棵不同的决策树了，然后组成一个森林，里面住着熊大和熊二，在一起快乐的生活。
优缺点的整理来自这里，基本上所有的文章都是这个说法，不同的在于文字的多少罢了！
优点
缺点
决策树的概念就暂时介绍到这里了，尽管内容有点多，但是还是挺好理解的，很类似于人类的思考方式。在下一篇的博客中，将使用scikit-learn工具包，基于决策树来对数据进行分类。决策树还有很多知识和算法，但是至少我们得掌握基本的概念。