
前面我們了解了決策樹的概念,現(xiàn)在來了解一下決策樹剪枝。可能會(huì)有人問:為什么要剪枝?答案是:如果一棵決策樹完全生長(zhǎng),那么這棵決策樹所對(duì)應(yīng)的每一個(gè)葉節(jié)點(diǎn)中只會(huì)包含一個(gè)樣本,就很有可能面臨過擬合問題,因此就需要我們對(duì)這棵決策樹進(jìn)行剪枝,以此來提高此決策樹模型的泛化能力。
一般情況下,可以使用以下兩類方法對(duì)決策樹進(jìn)行剪枝,縮小決策樹的規(guī)模:
一、預(yù)剪枝:
預(yù)剪枝的核心思想是在樹中節(jié)點(diǎn)進(jìn)行擴(kuò)展之前,先計(jì)算當(dāng)前的劃分是否能提升模型泛化能力,如果不能,則不再繼續(xù)生長(zhǎng)子樹。此時(shí)可能出現(xiàn)不同類別的樣本同時(shí)存于節(jié)點(diǎn)中的情況,可以通過使用多數(shù)投票的原則對(duì)該節(jié)點(diǎn)所屬類別進(jìn)行判斷。關(guān)于預(yù)剪枝何時(shí)停止決策樹的生長(zhǎng),可以采用以下幾種方法:
(1) 當(dāng)樹達(dá)到一定深度的時(shí)候,停止樹的生長(zhǎng);
(2) 當(dāng)?shù)竭_(dá)當(dāng)前節(jié)點(diǎn)的樣本數(shù)量比某個(gè)閾值小的時(shí)候,停止樹的生長(zhǎng);
(3) 計(jì)算決策樹的每一次分裂能否提升測(cè)試集的準(zhǔn)確度,當(dāng)提升程度小于某個(gè)閾值的時(shí)候,不再繼續(xù)生樹的長(zhǎng)。
預(yù)剪枝具有思想直接、算法簡(jiǎn)單、效率高等一系列特點(diǎn),適合解決大規(guī)模數(shù)據(jù)的問題。但是,對(duì)于上述閾值,需要一定的經(jīng)驗(yàn)來進(jìn)行判斷。另外,預(yù)剪枝存在欠擬合風(fēng)險(xiǎn)。這是因?yàn)?,雖然當(dāng)前的劃分會(huì)導(dǎo)致測(cè)試集準(zhǔn)確率降低或提升不高,但在之后的劃分中,準(zhǔn)確率會(huì)有顯著提升也不無可能。
二、后剪枝:
后剪枝的核心思想是先讓算法生成一顆完全生長(zhǎng)的決策樹,然后自底層向上計(jì)算是否進(jìn)行剪枝操作。后剪枝也需要通過在測(cè)試集上的準(zhǔn)確率來進(jìn)行判斷,如果剪枝之后,能夠提升準(zhǔn)確率,則進(jìn)行剪枝。
具體操作:
1.如果存在任一子集是一棵樹,則在該子集遞歸剪枝過程
2.計(jì)算不合并的誤差
3.如果合并會(huì)降低誤差的話,就將葉節(jié)點(diǎn)合并
在回歸樹一般用總方差計(jì)算誤差(即用葉子節(jié)點(diǎn)的值減去所有葉子節(jié)點(diǎn)的均值)。
相比于預(yù)剪枝,后剪枝的泛化能力更強(qiáng),但是計(jì)算開銷會(huì)更大。
后剪枝方法: 錯(cuò)誤率降低剪枝(Reduced Error Pruning,REP)、悲觀剪枝(Pessimistic Error Pruning,PEP)、代價(jià)復(fù)雜度剪枝(Cost Complexity Pruning,CCP)、最小誤差剪枝(Minimum Error Pruning,MEP)、CVP(Critical Value Pruning)、OPP(Optimal Pruning)等。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10