首页 > 代码库 > 决策树原理图表详解
决策树原理图表详解
决策树的原理,一个图表就很清楚了,首先,还是要牢记,条件熵是一种最优路径,是概率图模型中,两个随机变量之间的最优条件路径。也就是所有路径熵的期望。
H(Y|X) = -sigmaP(X,Y)logP(Y|X) = -sigmaP(X=xi)P(Y|X=xi)logP(Y|X=xi)=-sigmaP(X=xi)H(Y|X=xi)
好了,废话少说,下图是决策树原理
特征A | D1 | D2 | D3 | Di |
---|---|---|---|---|
A1 | D11 | D21 | D23 | |
A2 | D12 | D22 | D32 | |
A3 | D13 | D23 | D33 | |
Ak | Dik |
任何一个特征A, 有k个分类,那么就是 Ak,与决策树的分类结果D,构成一个二维数组,就是上面这个了,每个交叉为Dik.代表Di个结果,有多少落在Ak中
则有P(Di|Ak) = Dik/Ak.Ak是A特征第k类的个数。
然后,算H(D|A)
全概率公式展开
?1?6?1?6?1?6?1?6?1?6?1?6?1?6?1?6?1?6?1?6?1?6?1?6?1?6?1?6?1?6
图中Di就是Ak
决策树原理图表详解
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。