1. 算法背景介绍 分类树（决策树）是一种十分常用的分类方法。他是一种监管学习，所谓监管学习说白了很简单，就是给定一堆样本，每个样本都有一组属性和一个类别，这些类别是事先确定的，那么通过学习得到一个分类器，这个分类器能够对新出现的对象给出正确的分类。这样的机器学习就被称之为监督学习。分类本质上 ...

既能做分类，又能做回归。分类：基尼值作为节点分类依据。回归：最小方差作为节点的依据。 节点越不纯，基尼值越大，熵值越大 pi表示在信息熵部分中有介绍，如下图中介绍 方差越小越好。 选择最小的那个0.3 ...

一、信息熵 百科：信息熵 衡量信息的不确定度； 　1）理论提出 信息论之父 C. E. Shannon 指出：任何信息都存在冗余，冗余大小与信息中每个符号（数字、字母或单词）的出现概率或者说不确定性有关 ...

四、划分选择　　 1、属性划分选择 　　构造决策树的关键是如何选择最优划分属性。一般而言，随着划分过程不断进行，我们希望决策树的分支结点所包含的样本尽可能属于同一类别，即结点的“纯度”越来越高。 　　常用属性划分的准则： 　　　　（1）ID3：信息增益 　　　　（2）C4.5：增益率 ...

什么是机器学习？ 机器学习：简单来说就是机器通过一系列任务从经验（数据）中学习并且评估效果如何。 机器学习中很多地方都要根据目前的信息做出决策，信息熵主要是反应信息的不确定性，他的一个很重要的作用就是做决策时提供一定的判断依据，比如决策树根据熵来往下设置分支。 信息上实际反应的是一个信息的不确定 ...

讨论这个话题。本文想讨论的是决策树中两个非常重要的决策指标：熵和基尼指数。熵和基尼指数都是用来定义随机 ...

一、信息熵的简介 2.1 信息的概念 信息是用来消除随机不确定性的东西。对于机器学习中的决策树而言，如果待分类的事物集合可以划分为多个类别当中，则第k类的信息可以定义如下： 2.2 信息熵概念 信息熵是用来度量不确定性，当熵越大，k的不确定性越大，反之越小。假定当前样本集合D中第k类 ...

基尼指数（Gini不纯度）表示在样本集合中一个随机选中的样本被分错的概率。 注意：Gini指数越小表示集合中被选中的样本被参错的概率越小，也就是说集合的纯度越高，反之，集合越不纯。当集合中所有样本为一个类时，基尼指数为0. 基尼指数的计算方法为：其中，pk表示样本属于第k个类别的概率 举例 ...