第3章节_分类跟决策树资料.pptVIP

停止准则 以下任何一个规则被满足，节点将不再分裂 这个节点是“纯”的，即这个节点的所有样本都属于同一类别； 对于每一个属性（不包括类标号属性），节点中的所有样本都有相同的值； 当前节点所在的深度已经达到“最大树深度”（如果定义有）； 这个节点的样本数量小于“父分支中的最小记录数” （如果定义有）； 这个节点分裂后产生的子节点中包含的样本数量小于预定义的“子分支中的最小记录数”（如果定义有）； 分裂产生的杂度削减小于预定义的“最小杂度削减”（如果定义有） 树的修剪 叶子节点过多，则树的复杂度搞。 叶子节点过少，则误分类损失大。 代价复杂度 树的修剪过程 令α =0，从T1=T(0)开始，这里的T(0)就是最大树Tmax； 逐渐增大α ，直到某个节点使得 成立，将它的分支删除，得到T2； 重复上一步骤，直到被修剪到只有一个根节点，从而得到一个树的序列T1,T2,…,Tk。 子树评估 要找到一棵分类准确性最好、同时节点数量尽量少的树 计算每一棵子树的误分类损失： 3.3.4 在Clementine中应用CART 这里，以电信客户数据（文件名为Telephone.sav）为例，讨论分类回归树的具体操作以及如何通过交互操作控制决策树的生长和剪枝过程。 分析目标是，找到影响客户流失的重要因素